基于XGBoost算法的冠心病阵列式脉图参数特征分析和辅助预测模型研究
周智慧1
崔骥1
春意1
张国豪1
胡晓娟2
屠立平1
许家佗1
1.上海中医药大学中医学院,上海 2012032.上海中医药大学上海中医健康服务协同创新中心,上海 201203
摘要：目的 研究冠心病患者的阵列式脉图参数特征,探索基于极限梯度提升算法(extreme gradient boosting,XGBoost)建立冠心病辅助预测模型.方法 纳入社区老年体检中心的正常人群106例(正常对照组)和冠心病患者300 例(冠心病组),使用24 点阵列式脉诊仪采集受试者的脉象数据,分析冠心病组与正常对照组的阵列式脉图容积(array pulse volume,APV)差异,并基于XGBoost算法建立冠心病辅助预测模型.结果 3种脉图通道数据分析方法的对比差异结果趋同,均有冠心病组h1、h4、h5、h1/t1、As显著低于正常对照组(P＜0.05),是3种分析方法中共有的冠心病脉图诊断特征.冠心病组APVh1、APVh2、APVh3、APVh4、APVh5 显著低于正常对照组(P＜0.05).最大幅值通道均值法的模型综合性能最好,指标包括t1、t3、t4、w1、w2、w1/t、w2/t.结论 阵列式脉图特征参数一定程度上可以反映冠心病患者的心血管功能状态,APV指标可以提升模型的冠心病辅助预测性能.
关键词：冠心病阵列式脉图分类模型XGBoost
分类号：R259(中医内科学)
资助基金：国家自然科学基金(81973750)上海市科委项目(21010504400)上海中医药大学科技发展项目(23KFL028)
论文发表日期：2024-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1684-1690 )
英文信息