基于深度森林的心衰死亡率可解释预测模型

作者：张士杰; 窦燕^*; 李旭东; 马文博

来源：哈尔滨商业大学学报(自然科学版), 2023, 39(02): 154-163.

DOI：10.19492/j.cnki.1672-0946.2023.02.006

• 心力衰竭
• 死亡率预测
• 深度森林
• 随机森林
• SHAP模型
• 特征分析

在“大数据+健康中国”背景下，针对目前ICU患者心衰死亡率预测模型中性能无法满足临床应用的要求以及缺乏可解释性的问题，提出一种基于深度森林的ICU患者心衰死亡率的可解释预测模型.在数据预处理的前提下，对其建立深度森林预测模型；与已有研究中基于bp-SVM和AB-CNN-BiLSTM等多种机器学习模型进行综合对比实验，深度森林模型的各个评价指标分别达到0.980 1、0.985 1、0.980 2和0.993 8,其结果均优于所选的对比模型，证明了该模型的有效性；利用SHAP框架增强模型的可解释性，根据可视化结果获得了相关的重要影响因素排名，为有效降低其诊断费用以及协助医护人员作出及时精确的临床诊断策略提供决策参考.

• 出版日期2023
• 单位新疆财经大学