Mar, 2024
拥抱不确定性灵活性:利用监督树核强化集成建模以预测基于二维超声心动图的右心室容量
Embracing Uncertainty Flexibility: Harnessing a Supervised Tree Kernel to Empower Ensemble Modelling for 2D Echocardiography-Based Prediction of Right Ventricular Volume
Tuan A. Bohoran, Polydoros N. Kampaktsis, Laura McLaughlin, Jay Leb, Gerry P. McCann...
TL;DR提出了一种使用不确定性评分来量化二维超声心动图中右心室体积的集成回归方法,通过学习树结构来识别目标实例的最近训练样本,并使用多种分布类型更灵活地建模输出,该方法在小规模数据集上得到验证,表明其相对于其他最先进的方法具有更好的概率和点预测性能,体现了可靠的人工智能,可用于增强决策过程并降低风险,并可利用框架的特征重要性分数减少所需的二维超声心动图视图数量,从而增强了该管道的临床应用。