论文部分内容阅读
目的:使用代价敏感的机器学习方法,依据超声参数对右心衰竭进行诊断,以增进超声在右心衰竭诊断中的价值。方法:选取右心衰竭患者82例为病例组,非右心衰竭者106例为对照组,使用的主要超声参数包括:三尖瓣环收缩期位移(TAPSE)、右室面积变化率(RVFAC)、三尖瓣环收缩期运动速度(Sm)及舒张早期运动速度(Em)、Tei指数、三尖瓣环等容收缩期加速度(IVA)及右室内径、右房内径、左室内径等。通过代价敏感的朴素贝叶斯分析,以上述参数为特征建立诊断模型,对该模型进行交叉验证,比较代价敏感的判别模型与代价均等的