利用机器学习进行肝部感染预测分析，以评估神经网络的分析性能和优化技术

May, 2023

利用机器学习进行肝部感染预测分析，以评估神经网络的分析性能和优化技术

Liver Infection Prediction Analysis using Machine Learning to Evaluate Analytical Performance in Neural Networks by Optimization Techniques

PDF

P. Deivendran, S. Selvakanmani, S. Jegadeesan, V. Vinoth Kumar

TL;DRML algorithms and machine learning optimization are used to evaluate different liver illness datasets and identify the most excellent categorization models by modifying hyperparameters such as Phosphotase, Direct Billirubin, Protiens, Albumin, and Albumin Globulin, essential for minimizing the cost function and visualizing the pattern.

Abstract

liver infection is a common disease, which poses a great threat to human health, but there is still able to identify an optimal technique that can be used on large-level screening. This paper deals with ml algorithms

liver infection ml algorithms predictive analyses machine learning optimization hyperparameter

发现论文，激发创造

利用弃权机制的机器学习自动肝病诊断

本文提出了一种基于机器学习的解决方案，可以自动检测肝功能异常，使用超声图像进行检测，能够识别预测不准确的情况，成果被 MINAR 数据集检测，证明这种检测方式有良好的分类性能。

Nov, 2018

机器学习驱动的医学诊断生物标志物选择

评估了 4 种生物标志物选择方法和 4 种不同的机器学习分类器，发现当允许 3 个和 10 个生物标志物时，现代方法在性能上优于以前报告的逻辑回归。在特异性固定为 0.9 的情况下，机器学习方法的灵敏度为 0.240（3 个生物标志物）和 0.520（10 个生物标志物），而标准逻辑回归的灵敏度为 0.000（3 个生物标志物）和 0.040（10 个生物标志物）。还注意到，在允许较少的生物标志物时，基于因果关系的生物标志物选择方法表现最好，而在允许更多生物标志物时，单变量特征选择方法表现最好。

May, 2024

基于深度变体搜索算法集成高级注意力机制的肝肿瘤预测

提出了一种利用卷积神经网络和基于深度的变体搜索算法与先进的注意机制（CNN-DS-AM）预测肝脏肿瘤的新方法，证明了将注意机制和基于深度的变体搜索算法结合到卷积神经网络模型中是提高肝肿瘤预测的准确性和鲁棒性的有希望的方法，可以协助放射科医生进行诊断和治疗规划，预测肝脏肿瘤的准确率达到了 95.5% 以上，优于其他最先进的方法。

Nov, 2023

利用机器学习预测结核病治疗结果：卡纳塔克邦结核病数据研究

该研究通过使用机器学习，特别是结合表格数据，更准确地预测结核病（TB）的治疗结果，将这一预测任务转化为二元分类问题，并通过来自印度国家结核病控制计划的 50 万多个病人记录的数据生成风险评分。数据预处理是该研究的关键组成部分，在验证集上获得了 98% 的召回率和 0.95 的 AUC-ROC 得分。该研究还探索了自然语言处理（NLP）在模型学习中的应用，通过各种指标和消融研究证实了该方法的有效性。研究通过讨论我们的研究对结核病根除工作的潜在影响，并提出了未来的研究方向，展示了机器学习在医疗保健中的潜力。

Mar, 2024

基于计算机人工智能深度学习技术的疾病预测模型构建研究

通过研究稳健学习算法并将其应用于传染病风险的预警，本项目提出了一种动态截断损失模型，将传统的互信息隐式权重特征与平均变异特征相结合，通过降低受噪声影响的训练结果引入训练损失的下界和基于采样率的方法，验证了该方法在不同噪声类型下的有效性，并实现了包含标签噪声数据的稳健学习。

Jun, 2024

机器学习在临床疾病诊断中的重要性：综述

通过分析当前文献，本研究提供了关于机器学习在疾病诊断方面的最新方法和性能指标的深入了解。

Oct, 2023

机器学习在疾病诊断中的最新进展：几十年的系统调查、比较和挑战

计算机辅助诊断是一个快速发展的医学成像研究领域。本文综述了在计算机辅助诊断中应用机器学习和模式识别的算法，以检测包括肝炎、糖尿病、肝病、登革热和心脏疾病在内的多种疾病，以提高疾病检测的精确性和支持决策过程的客观性。

Jul, 2023

肝移植器官分配中公正预测移植失败

应用知识蒸馏和去偏见的方法，本文提出了一个公平的机器学习框架，用于预测肝移植中的移植物失败，实验结果表明该方法在预测和公平性方面都表现优异。

Feb, 2023

机器学习增强的诊断测试用于识别测试性能变异的源泉

利用机器学习技术评估病毒检测的情境风险，以提高诊断测试的敏感度，预测牛结核引起牛群病情恶化的发生率，而不损害测试的特异性。

Mar, 2024

通过多模型降维算法和分类算法的多模态融合在转移性乳腺癌预测中的应用

利用机器学习的预处理算法和分类算法，研究了检测转移性癌症的潜力，通过降低数据维度和使用 k 最近邻算法，获得了最高 71.14% 的准确率。

Sep, 2023