基于机器学习的新生儿先天性心脏病筛查方法

本发明公开了一种基于机器学习的新生儿先天性心脏病筛查方法，包括如下步骤：步骤一，依据关于不良出生结果风险因素的文献设计调查问卷，采集婴儿心脏超声检查数据，随后对这些数据预处理；步骤二，将步骤一所得数据随机分为训练集和测试集，并运用lASSO回归对特征进行降维处理；步骤三，基于步骤二获取的特征，运用随机森林、支持向量机、轻量级梯度提升机、逻辑回归和极端梯度提升等机器学习算法训练预测模型。本发明通过多步骤数据处理及多种机器学习算法结合优化模型，能全面、科学地筛选相关特征，提升预测模型准确性，为新生儿先天性心脏病筛查提供更可靠有效的方法，有助于早期精准筛查，提高筛查效率与质量。