脑卒中多分类预后预测的深度集成优化方法

来源：计算机工程与应用杂志2023年第5期北京时间：

作者：叶伟, 陶永军, 陈锡程, 伍亚舟

单位：1.陆军军医大学 军事预防医学系 军队卫生统计学教研室，重庆 400038；2.浙江省台州市立医院 神经内科，浙江 台州 318000

摘要：诊疗前预测急性缺血性脑卒中（AIS）的预后分级，有利于揭示预后转归水平并指导治疗策略，提升方法的预测性能是实现精准医疗的重要指导。利用临床和影像组学的融合特征实施脑卒中的多分类预测，并提出了一种基于融合特征的深度集成优化方法（IABC-DEL）模型，其特征选择方法为Embedded嵌入法和卡方检验，数据不平衡处理方式为Borderline-SMOTE算法，利用Stacking构建深度集成优化模型，基学习器包括深度神经网络（DNN）、长短期记忆网络（LSTM）和门控循环单元（GRU），优化方法为改良人工蜂群算法（IABC）。研究结果表明，深度集成优化方法的预后预测性能优于经典方法和既往研究，Macro-F1 score为87.88%，Macro-AUC为96.27%，ACC为88.02%。因此，基于深度集成优化学习的急性缺血性脑卒中预后模型可对临床诊治和预后康复提供指导意义，并为研究预测提供新的建模思路。

关键词：深度学习,集成学习,人工蜂群算法,急性缺血性脑卒中,影像组学