基于随机森林算法的呼吸信号预测模型

摘要

目的:利用随机森林算法进行呼吸信号的精准预测。方法:搭建随机森林预测模型对304组呼吸信号进行预测,采用均方根误差及互相关系数对模型500 ms预测精度进行评估。每组呼吸信号经过归一化处理后,前一分钟数据用于模型训练,后三十秒数据用于模型验证。此外,本文还探索了超参数对随机森林模型预测效果的影响。结果:与无预测相比,采用随机森林模型进行呼吸位置补偿,304组呼吸运动信号位置的平均均方根误差下降42%(0.36到0.21),互相关系数从0.61提升至0.86,两者P-value均小于0.01。结论:随机森林模型可以准确预测呼吸信号位置,大幅度降低由于各类延迟引起的位置不准确问题,具有较高的临床使用价值。