Mar, 2024

利用机器学习技术在阿根廷对糖尿病风险人群的首次识别体验

PDF
TL;DR利用机器学习模型为阿根廷地区特定生成 T2D 和 PD 风险人群预测模型的发展和评估，证明了 RF、DT 和 ANN 方法在分类能力方面表现出色，为阿根廷地区的更复杂模型开发迈出了第一步。
发现论文，激发创造
  • 基于人工智能的精准医学方法：糖尿病风险预测

    本综述分析了 40 项使用人工智能模型（主要是机器学习模型）预测 2 型糖尿病（T2DM）风险的研究，结果显示单模态和多模态模型表现良好，但是外部验证和新型生物标志的应用不足。

    May, 2023

  • 基于学习的放射组学预测二型糖尿病在图像衍生表型的应用

    利用影像学数据，神经网络和决策树模型可用于预测 2 型糖尿病发病率及输出类似于血红蛋白 A1C 实验室测量的可解释值，并演示输入向量小扰动对系统的灵敏度可用于预测先前未见的病人群体。

    Sep, 2022

  • 机器学习技术在预测糖尿病方面的表现分析

    该研究主要使用机器学习技术，从糖尿病患者的诊断医疗数据中提取知识，探索与疾病相关的各种风险因素，并使用四种流行的机器学习算法来预测糖尿病患者，结果表明 C4.5 决策树比其他机器学习技术具有更高的准确性。

    Jan, 2019

  • 安全和隐私保护的自动化端到端整合 IoT-Edge - 人工智能 - 区块链监测系统，用于糖尿病预测

    提出一种基于物联网边缘 - 人工智能 - 区块链系统的糖尿病预测模型，通过比较实验结果表明，与逻辑回归和支持向量机等现有机器学习方法相比，该模型使用随机森林算法平均预测精度提高了 4.57％，但执行时间较长。

    Nov, 2022

  • 基于机器学习的智能医疗框架 HealthEdge: 面向一体化 IoT、Edge 和 Cloud 计算系统中 2 型糖尿病预测的应用

    该论文提出了一种基于智能健康护理系统的、用于预测 2 型糖尿病的机器学习模型 HealthEdge，并使用真实数据集进行了两种机器学习算法（随机森林和逻辑回归）之间的比较分析，结果表明 RF 预测糖尿病的准确率比 LR 平均高 6％。

    Jan, 2023

  • 深度学习在糖尿病诊断中的应用

    利用传感器技术和机器学习，我们提出了一种基于批归一化的反向传播神经网络（BPNN）的非侵入性糖尿病诊断方法，通过数据重采样和标准化实现类别平衡，实验结果显示相对传统方法在整体准确度、敏感度和特异度上具有显著提高，特别是在 Pima 糖尿病数据集中达到了 89.81% 的准确度，在 CDC BRFSS2015 数据集中达到了 75.49% 的准确度，在 Mesra 糖尿病数据集中达到了 95.28% 的准确度，凸显了深度学习模型在稳健糖尿病诊断方面的潜力。

    Mar, 2024

  • 2 型糖尿病患者微量白蛋白尿风险早期检测的监督学习模型

    该研究开发了一个监督学习模型，用于预测 T2DM 患者发展尿白蛋白风险，并发现多层感知器（MLP）相较于其他算法表现出更高的准确度和 F1 分数，适用于 T2DM 患者尿白蛋白的筛查目的。

    Sep, 2023

  • 印度加尔各答地区 2 型糖尿病风险因素的性别比较研究：一种机器学习方法

    在印度加尔各答的 Belle Vue 诊所从门诊咨询部观察样本，通过 Logistic 回归、随机森林和支持向量分类器等不同机器学习模型，研究了年龄、生活方式、BMI 和腰围身高比对男性和女性患第 2 型糖尿病风险的差异影响，并发现了性别因素在第 2 型糖尿病的风险因素中的差异，为更有针对性的医疗干预和公共卫生策略提供了宝贵的见解。

    Oct, 2023

  • 使用深度学习技术进行糖尿病检测的过采样和特征增强

    通过使用深度学习技术进行数据预处理和分类，本研究提出的全面深度学习流程方法在糖尿病检测领域中表现出超越最先进方法的潜力。

    Feb, 2024

  • 临床试验中使用转学习预测数字孪生的护士参与的精准 2 型糖尿病管理人工智能

    2 型糖尿病患者通过人工智能和个性化反馈改善每日步数、总卡路里和总碳水化合物摄入，并提供预测控制模型以精确管理病情。

    Jan, 2024