论文部分内容阅读
为对慢性丙型肝炎病情相关的肝纤维化阶段和炎症活动度进行预测,提出一种基于两阶段随机森林的自动分级方法。首先,在训练病例集上进行第一阶段随机森林模型学习,获取各个血清学指标的特征重要度,以衡量这些指标与肝炎纤维化阶段和炎症活动度之间的相关程度;其次,选择特征重要度大于阈值的血清学指标,可作为下一步进行分类的特征;最后,在选出的显著性特征上进行第二阶段的随机森林模型训练,对慢性丙型肝炎的肝纤维化程度和炎症活动度进行自动分级。通过对123例慢性丙型肝炎的血清学指标进行分析,得到纤维化阶段、纤维化S_4阶段和炎症