基于GBDT-LR融合算法的胎儿窘迫预诊模型研究

为了解决传统胎儿窘迫诊断过程中存在主观性强和误诊率高的问题,应用梯度提升决策树(GBDT)和逻辑回归(LR)融合的方法设计了胎儿窘迫预诊断模型.首先,利用Borderline-SMOTE算法对正类样本进行过采样,使得数据集中正负类样本平衡;然后,利用GBDT模型从平衡后的数据中获得组合特征,再将组合特征与原始特征合并后提供给逻辑回归模型进行训练;最后,用十折交叉验证评价GBDT-LR模型与其他单模型的分类性能.利用GBDT-LR融合模型对胎儿窘迫进行预测,其特异度为84.2％,灵敏度为89.6％,受试者工作特征曲线(ROC)下方面积为94.2％.GBDT-LR融合模型的分类效果相比其他单个模型更好,可以辅助产科医生对宫内胎儿窘迫程度作出更有效的评估.