基于改进Boosting集成模型的肺炎感染诊断方法

摘要

目的 提出一种基于改进Boosting集成模型的肺炎感染诊断方法。方法 选取2023年9月～2024年5月在陕西省人民医院经CT检查的肺炎感染患者315例，对所有患者进行CT诊断。在CT图像的预处理阶段，应用图像增强技术提升图像质量，确保模型在特征提取时获取更加清晰的影像信息。在特征提取过程中通过XGBoost框架提取纹理特征、形状特征和像素强度信息，利用主成分分析法减少特征维度。通过引入聚焦损失函数解决样本不平衡问题，确保模型对良性和恶性样本有更均衡的关注。采用贝叶斯优化方法，构建高斯过程回归模型，对超参数进行调整。结果 本研究所提出的诊断方法在测试集中的平均曲线下面积值为0.9649,F1分数为0.9423，显著优于轻量级梯度提升机、随机森林和K最近邻等对比模型。结论 本研究所提出的诊断方法为提高肺炎感染的识别和早期干预提供了有效工具，有助于医生更早识别高风险患者，制定个性化的治疗方案。

关键词

肺炎感染 / CT图像 / XGBoost / 贝叶斯优化

基金资助

陕西省自然科学基础研究计划项目（2024JC-YBQN-0820）