基于多模型协同驱动的NIPT检测时点决策与胎儿染色体异常判定
摘要
文章针对NIPT技术中男胎Y染色体浓度关联分析、BMI分组及最佳检测时点优化、女胎异常判定等核心问题，通过斯皮尔曼相关系数和混合效应模型揭示了三个因素间的相关属性；基于临床风险规律构建分段风险量化模型，采用决策树聚类将BMI划分为四个最优区间，并通过网格搜索优化得到各组最佳检测时点。针对女胎异常判定问题，采用SMOTE过采样和Stacking集成学习方法构建分类模型，为临床提供了一种可靠的异常判定方法。
关键词
斯皮尔曼相关系数；混合效应模型；Y染色体浓度动态预测模型；Bootstrap不确定性分析；高斯混合模型
全文:
PDF参考
Li, Y., Xi, Y., Wang, X.et al.Mathematical model for qualitative assessment of blood pump-induced thrombosis and stroke risk.Acta Mech[J]. Sin,2025(42):62.
刘奎.基于机器学习的糖尿病患者不良血糖事件风险预测模型研究[D].西安:中国人民解放军空军军医大学,2025.
唐月.基于Calinski-Harabasz改进SSLOK-means聚类的微博用户特征研究[D].北京:北京外国语大学,2019.
Choolun, D., Vincent, A.N., Bagurubumwe, U.N. (2025). Diabetes Risk Prediction: A Comparative Analysis of Feature Selection Techniques for Efficient k-means Clustering[C].Singapore:Algorithms for Intelligent Systems,2024.
DOI: https://doi.org/10.33142/cmn.v3i2.18151
Refbacks
- 当前没有refback。