Stacking集成学习应用于近视矫正中的角膜塑形镜临床验配

TP181; 针对角膜塑形(orthokeratology,OK)镜临床验配难度系数大和过程繁琐费力的问题,提出一种stacking集成学习方法预测OK镜参数值,实现OK镜智能验配.通过基于F检验的特征衍生和基于方差-改进Boruta算法的特征选择,构建出最适合目标变量的特征集合.研究了以随机森林(random forest,RF)、梯度提升决策树(gradient boosting decision tree,GBDT)和支持向量回归(support vector regression,SVR)作为第一层基学习器,线性回归(linear regression,LR)作为第二层元学习器的sta...

Full description

Saved in:
Bibliographic Details
Published in东华大学学报（英文版） Vol. 41; no. 2; pp. 184 - 194
Main Authors 巩家铭, 李康妹, 胡俊, 陈浩, 曹倩倩, 吴戈
Format Journal Article
LanguageChinese
Published 东华大学 机械工程学院,上海 201620 2024
东华大学 人工智能研究院,上海 201620%东华大学 机械工程学院,上海 201620%东华大学 人工智能研究院,上海 201620
上海工业大数据工程技术研究中心,上海 201600%温州医科大学附属眼视光医院,浙江 温州 325000
Subjects
角膜塑形(OK)镜
parameter prediction
stacking集成模型
特征工程
参数预测
intelligent fitting
智能验配
feature engineering
orthokeratology(OK)lens
stacking ensemble model
Online AccessGet full text

Cover

More Information
Summary:TP181; 针对角膜塑形(orthokeratology,OK)镜临床验配难度系数大和过程繁琐费力的问题,提出一种stacking集成学习方法预测OK镜参数值,实现OK镜智能验配.通过基于F检验的特征衍生和基于方差-改进Boruta算法的特征选择,构建出最适合目标变量的特征集合.研究了以随机森林(random forest,RF)、梯度提升决策树(gradient boosting decision tree,GBDT)和支持向量回归(support vector regression,SVR)作为第一层基学习器,线性回归(linear regression,LR)作为第二层元学习器的stacking集成学习预测模型.实验结果表明模型预测结果和临床诊断结果高度一致,验证该模型可作为一种有效的辅助临床验配方法.
ISSN:1672-5220
DOI:10.19884/j.1672-5220.202302004