Random vector functional link network based on multi-scale kernel for stroke risk assessment

doi:10.1016/j.bspc.2025.108681

Random vector functional link network based on multi-scale kernel for stroke risk assessment

2025-09-23

0

PRE

AI

Y

Ying Liu

C

C. Madhusudhana Rao *

DOI：10.1016/j.bspc.2025.108681

原文链接

原文求助

摘要

En 中文

卒中是导致全球残疾和死亡的主要原因之一，其发病年龄呈现年轻化趋势，加剧了其社会经济影响。为应对有效预防和治疗方面的迫切需求，本研究提出了一种新型方法，即多尺度核（MSK）随机向量功能链接网络（MSK-RVFLN）用于卒中风险评估。我们的方法源于对传统径向基函数（RBF）进行改进，引入大间隔最近邻（LMNN）算法，形成新的多尺度核（MSK）。该核函数结合了RBF对局部特征的敏感性与数据分布的结构特性，利用密度峰值聚类（DPC）进行数据分割以优化核尺度。通过卒中风险预测数据集验证了所提出的MSK-RVFLN的有效性。MSK-RVFLN在准确率、F1分数、G-mean和曲线下面积（AUC）上分别达到了93.87%、93.97%、93.86%和97.42%，优于传统核函数，并超越了标准机器学习和相似性模型。在多个数据集上的全面评估证实了该模型的鲁棒性和卓越的卒中风险预测能力，为医学诊断奠定了坚实基础。

Random vector functional link network based on multi-scale kernel for stroke risk assessment

摘要

期刊

机构

引用论文