基于长短期记忆网络和梯度提升的高血压患者RR间期时间序列预测方法
LSTM-XGBoost Based RR Intervals Time Series Prediction Method in Hypertensive Patients
摘要:
目的对高血压患者的RR间期进行预测,帮助临床医生对患者心脏状况进行分析和预警.方法以8位患者数据为样本,通过长短期记忆网络(LSTM)和梯度提升树(XGBoost)分别对患者的RR间期进行预测,将2个模型的预测结果通过方差倒数法进行组合,克服单一模型预测的劣势.结果提出的组合模型相较于单一模型在8位患者RR间期的预测上具有不同程度的改善效果.结论LSTM-XGBoost模型为高血压患者RR间期预测提供了方法,具有一定的临床价值.
更多
作者:
期刊:
《中国医疗器械杂志》2024年48卷4期 392-395页
MEDLINEISTIC
关键词:
RR间期长短期记忆网络梯度提升时序预测高血压RR intervalslong short-term memory networkgradient lift treetime series forecastinghypertension
分类号:
R318
栏目名称:
研究与论著
DOI:
10.12455/j.issn.1671-7104.230728
发布时间:
2024-08-21
基金项目:
国家卫生健康委医院管理研究所医学工程研究项目
国家重点研发计划
广东省重点领域研发计划
- 浏览:0
- 被引:0
- 下载:0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文