基于多粒度級(jí)聯(lián)森林的骨質(zhì)疏松性骨折預(yù)測(cè)研究

摘要：目的骨質(zhì)疏松性骨折(osteoporotic fracture,OF)的預(yù)測(cè)對(duì)于骨折防范具有重要的臨床指導(dǎo)意義。針對(duì)傳統(tǒng)logistic回歸預(yù)測(cè)模型存在的精度不高和未考慮遺傳因子問(wèn)題,本文引入多粒度級(jí)聯(lián)森林(multi-grained cascade forest,gcForest)并結(jié)合遺傳因子來(lái)預(yù)測(cè)OF。方法首先基于 t 分布鄰域嵌入( t -distributed stochastic neighbor embedding, t -SNE)算法對(duì)OF關(guān)聯(lián)基因位點(diǎn)進(jìn)行非線性降維,降維后的基因位點(diǎn)與臨床因素構(gòu)成特征組。然后構(gòu)建gcForest模型對(duì)OF進(jìn)行預(yù)測(cè)。最后通過(guò)10次十折分層交叉驗(yàn)證與logistic、梯度提升決策樹(shù)、隨機(jī)森林進(jìn)行對(duì)比。結(jié)果基于gcForest的模型分類精度為0.892 7,AUC值為0.92±0.05,泛化性能最優(yōu)。結(jié)論在考慮遺傳因素的條件下,gcForest分類效果優(yōu)于其他模型,驗(yàn)證了本文方法的高效性和實(shí)用性。