摘要
本发明公开了一种基于心肌磁共振的肺动脉高压诊断及严重程度判断的预测模型、构建方法和应用。本发明通过对肺动脉高压患者及对照的心肌磁共振及检验信息进行统计学分析,筛选出肺动脉高压患者特异性指标,分别构建了一种肺动脉高压诊断临床新模型,该模型包含五个独立预测变量:升主动脉宽度、左房前后径、左室射血分数、肺动脉宽度、血小板水平;以及一种肺动脉高压严重程度预测模型,该模型包含两个独立预测变量:左室舒张末期容积指数、体重。本发明构建的诊断预测模型基于Lasso回归及Logistic回归技术,有效减少了对传统侵入性右心导管检查的依赖,极大地提升了患者的舒适度,优化了诊断流程,提高了整体诊断效率。
技术关键词
诊断预测模型
变量
磁共振
肺动脉高压患者
主动脉
样本
非暂态计算机可读存储介质
评价预测模型
梯度提升决策树
随机森林
构建预测模型
梯度提升机
标尺
机器学习方法
回归技术
指数
分类器
回归方法
体重
系统为您推荐了相关专利信息
大脑结构
皮尔逊相关系数
健康大脑
形态
时间序列图像
优化调度方法
水电站
皮尔逊相关系数
发电量
风险
斯皮尔曼相关系数
变量
皮尔逊相关系数
数据
生态系统
三相电流值
二阶带通滤波器
电压
数学模型
坐标系
异构无人机
覆盖路径规划方法
生成树
模拟退火算法
生成无人机