血肿扩张风险相关因素探索建模
思路：
根据题目要求,首先需要判断每个患者是否发生了血肿扩张事件。根据定义,如果后续检查的血肿体积比首次检查增加≥6 mL或≥33%,则判断为发生了血肿扩张。 具体判断步骤: (1) 从表1中提取每个患者的入院首次影像检查流水号;
(2) 根据流水号在附表1中查找对应首次检查的时间点;
(3) 计算发病到首次检查的时间间隔;
(4) 在表2中找到每个随访时间点的血肿体积;
(5) 依次计算相邻两次检查血肿体积变化量和变化百分比;
(6) 如果变化量≥6 mL 或变化百分比≥33%,则记为发生血肿扩张,记录下血肿扩张发生的时间点。
3.使用logistic回归建模,以是否发生血肿扩张作为目标变量,个人史、疾病史和首次影像特征作为自变量,建立预测模型。
目标变量: Y = 是否发生血肿扩张(1是,0否)
自变量: X1, X2, …, Xn(个人史、疾病史等)
建模公式: P(Y=1|X) = 1 / (1+e^-(b0+b1X1+…+bnXn))
4.使用训练集拟合logistic回归模型
(1) 将训练集的个人史、疾病史和首次影像特征整理为自变量X
(2) 将训练集的血肿扩张标记(1或0)作为目标变量Y
(3) 将自变量X和目标变量Y喂入logistic回归模型进行拟合
(4) 使用最大似然估计获得变量系数b0, b1, …, bn
(5) 得到拟合后的模型:
P(Y=1|X) = 1 / (1+e^-(b0+b1X1+…+bnXn))
5.用拟合好的模型对测试集进行预测
(1) 对测试集数据进行同样的特征工程,提取自变量X
(2) 将测试集的自变量X代入上面得到的模型中
(3) 计算每个样本的血肿扩张概率P(Y=1|X)
(4) 如果P(Y=1|X) ≥ 0.5,则预测该样本发生了血肿扩张
(5) 计算模型在测试集上的评估指标,如AUC等
(6) 根据变量系数的大小分析变量与血肿扩张的相关性
import pandas as pdfrom sklearn.linear_model import LogisticRegression# 读取表1和表2中的数据table1 = pd.read_excel('表1.xlsx') table2 = pd.read_excel('表2.xlsx')# 将表1和表2进行合并data = pd.merge(table1, table2, on='ID')# 提取需要的特征features = ['age', 'gender', 'history', ...] # 获得每个患者的首次影像时间和血肿体积first_scan = data.groupby('ID')['time'].min()first_volume = data[data['time'] == first_scan]['HM_volume']代码主要步骤包括:
读取和合并表格 特征工程 标记目标变量 划分训练集和测试集 模型训练和预测 输出结果 此处我们使用xgboost训练模型：
主要步骤为:
导入xgboost 设置xgboost的参数: eta:学习率 max_depth:树的最大深度 objective:二分类的逻辑回归 eval_metric:评估指标设为AUC 将训练数据转换为DMatrix格式 使用xgboost训练模型 将测试数据也转为DMatrix格式 用训练好的模型进行预测 输出结果 XGBoost是一个流行且高效的树模型库,可以提取数据的复杂特征关系。
相比逻辑回归,XGBoost可处理各种类型的特征,也便于调参优化模型。
问题二血肿周围水肿的发生及进展建模，并探索治疗干预和水肿进展的关联关系。
构建水肿体积随时间变化的模型 可以使用 Curve Fitting 的方法,以时间为自变量,水肿体积为目标变量,拟合出水肿体积随时间的曲线模型:
VE D=f(t)V_{ED} = f(t)VED=f(t)
其中,VE DV_{ED}VED表示水肿体积,ttt表示时间。
可以试用不同的曲线拟合方法,如线性回归、多项式回归、局部加权回归等。
计算患者真实值与拟合曲线的残差 对第i个样本:
r i =VEDi−f(t i )r_i = V_{ED_i} - f(t_i)ri=VEDi−f(ti)
其中,VEDiV_{ED_i}VEDi为第i个样本的真实水肿体积,f(t i )f(t_i)f(ti)为对应时间点上的拟合值。
划分患者亚组,拟合各亚组的水肿体积曲线 可以使用聚类算法如K-means对患者进行分群,然后对每一群体单独拟合曲线。
分析不同治疗对水肿演变的影响 可以将治疗方法作为类别特征,构建不同的曲线模型,然后比较模型效果。
也可以通过统计学方法(如t检验)比较不同治疗组水肿体积变化的差异。
分析三者之间的关系 可以采用相关性分析等统计学方法探索血肿体积、水肿体积和治疗之间的关系。
也可以构建包含三者作为特征的预测模型,通过分析系数等来发现三者之间的关联。 具体来说，相关性分析法 (1) 计算每个样本的血肿体积、水肿体积和各种治疗方式的 0/1 表示
(2) 使用 Pearson 相关系数计算血肿体积和水肿体积的线性相关性
(3) 使用 Spearman 秩相关系数计算血肿体积与各治疗方法的秩相关性
(4) 使用 Spearman 秩相关系数计算水肿体积与各治疗方法的秩相关性
(5) 比较不同系数的大小,分析三者之间的相关程度
建模法 (1) 将血肿体积、水肿体积作为连续特征,治疗方法作为分类特征
(2) 构建回归模型,以水肿体积为目标变量,血肿体积和治疗作为自变量
(3) 训练模型,得到各变量的系数
(4) 比较各治疗类别的系数,看其对水肿体积的影响效果
(5) 通过变量的显著性检验,选择关键的影响因素
(6) 分析模型总体表现,评估各变量的解释能力
import pandas as pdfrom sklearn.linear_model import LinearRegressionfrom sklearn.cluster import KMeans# 读取数据data = pd.read_excel('table2.xlsx') # 特征工程:提取时间和水肿体积X = data[['time']] y = data[['ED_volume']]# 构建线性回归模型lr = LinearRegression()# 训练模型lr.fit(X, y)# 获取拟合的系数print('模型Slope:', lr.coef_) print('模型Intercept:', lr.intercept_)# 预测水肿体积y_pred = lr.predict(X) 问题三出血性脑卒中患者预后预测及关键因素探索 1.基于首次影像结果预测预后 使用回归模型,以90天mRS评分为目标变量,个人史、疾病史和首次影像特征为自变量:
mRS=w 0 +w 1 x 1 +...+w n x n mRS = w_0 + w_1x_1 + ... + w_nx_nmRS=w0+w1x1+...+wnxn
其中,mRSmRSmRS为预后评分,x i x_ixi为各特征,w i w_iwi为对应的权重系数。
可以试用线性回归、LASSO回归等算法。
2.基于全部影像结果预测预后 同上,不仅使用首次影像,还结合后续各时间点的影像特征,构建回归模型进行预测。
3.分析关键影响因素 通过分析各变量的权重w i w_iwi,确定对mRSmRSmRS影响最大的特征。 使用统计检验分析不同特征对mRSmRSmRS的显著影响。 采用则特征选择的方法(如RFE),选择关键特征。 将无关特征删除后,观察模型评分的变化。 具体来说， 1）建模算法的选择 可以尝试线性回归、LASSO回归、GBDT等多种算法 比较不同算法的误差、过拟合情况,选择较优算法 调参优化模型,提升准确率 2）特征工程 处理缺失值:删除/填充 编码类别特征:One-hot 编码 标准化连续特征:去均值和方差归一化 提取时间序列特征:趋势、周期性等 采用 PCA 等方法降维 3）模型评估 划分训练集、验证集、测试集 多次交叉验证,观察方差 计算 RMSE、R2、MAE 等评价指标 绘制学习曲线,检查过拟合问题 4）关键因素分析 计算特征影响力,排序筛选 通过添加/删除特征,比较模型效果变化 使用统计学检验(t-test等)判断显著性 采用正则化方法自动特征筛选 分析特征在不同亚群中的效果
4.提出建议 对具有显著影响的特征,分析临床意义,给出干预建议。 对预后良好和预后不良的患者组,进行对比分析,找出影响因素的差异。 代码：
# 导入需要的库import pandas as pdfrom sklearn.linear_model import Lassofrom sklearn.model_selection import cross_val_scoreimport matplotlib.pyplot as plt# 读取数据data = pd.read_csv('data.csv')# 特征工程X = data[['age', 'gender', 'treatment', 'image_features']]y = data['mRS']# 拆分数据集X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=2020)# Lasso回归model = Lasso()# 使用网格搜索找到最优参数from sklearn.model_selection import GridSearchCVparams = {'alpha': [0.001, 0.01, 0.1, 1]}gs = GridSearchCV(model, params, scoring='neg_mean_squared_error', cv=5)gs.fit(X_train, y_train)print('最优参数:', gs.best_params_)model = gs.best_estimator_#见完整版完整版的思路看看我的回答哈~
(5 封私信 / 2 条消息) 如何评价2023数学建模研赛？ - csdn