May, 2024

机器学习辅助一线免疫性血小板减少症的诊断研究可行性探讨

PDF
TL;DR使用例行血液检查和人口统计数据，在非急诊门诊设定中进行机器学习诊断 ITP 的可行性研究，决策树和随机森林模型表现出优越的预测性能并取得近乎完美的预测和公平性分数，血小板计数被确定为最重要的变量。
primary immune thrombocytopeniadiagnosismachine learningplatelet countpredictive performance
发现论文，激发创造
  • 非创伤重症监护室患者输血需求预测的稳健元模型

    该研究使用机器学习模型为多样性危重病人预测输血需求，在有效预测输血需求的同时，还能识别关键生物标志物帮助输血决策。

    Jan, 2024

  • 机器学习模型对白细胞分类的综述

    通过机器学习和深度学习模型应用于医学图像分析，本研究主要关注白细胞分类的现代技术，并提供了有关最常用的技术和最佳白细胞分类方法的宝贵见解，同时指出了数据集可用性、研究人员医学培训和使用高级深度学习网络的挑战。

    Aug, 2023

  • 自动机器学习在心血管疾病检测中的效果研究

    发展和应用以患者为导向的系统中，机器学习作为一种有前途的技术能够预测心血管疾病，本研究使用自动化机器学习和三个场景探索了检测心血管疾病的有效性，结果显示自动化机器学习模型的结构不仅取决于基本模型的效率和准确性，还取决于数据的预处理技术，尤其是数据标准化。

    Aug, 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

  • 基于随机森林的卒中结果预测

    通过使用机器学习技术，研究临床、生化和神经影像因素，生成一个预测模型，用于预测中风患者在入院后 3 个月的死亡率和发病率，并得出结论：机器学习算法可以有效地用于中风患者的长期死亡率和发病率的预测。

    Feb, 2024

  • 机器学习预测急性心肌梗死后的长期死亡率：基于收集的收缩时间间隔和临床数据

    该研究调查了树模型在长期死亡预测上的表现，并研究了两种近期引入的生物标志物对长期死亡的影响。研究采用来自中国台湾卫生福利部的 CCHIA 公开数据，以及从 139 例急性心肌梗死患者收集的医学和人口统计学数据，使用先进的集成树模型算法预测了 14 年内的全因死亡率，并发现添加生物标志物后算法的性能有所提高，可更好地为高风险个体确定治疗优先级。

    Mar, 2024

  • 自然语言处理数据集机器学习模型评估与特征重要性分析

    该研究使用机器学习模型，对埃塞俄比亚一家私人银行提供的数据进行分析，发现 XGBoost 模型在 KMeans SMOTE 过采样数据上取得了最高的 F1 分数，而评估信贷风险时，申请人的年龄、就业年限和总收入等因素比抵押相关的因素更为重要。

    Aug, 2022

  • 应用模糊逻辑和专家知识推导血液病类别：基于全面的机器学习方法与 CBC 参数

    通过使用模糊逻辑规则结合医学专家领域知识，本文介绍了一种新方法来诊断血液病学状况，展示了高准确性的初步结果，强调了模糊逻辑在血液病学诊断中的潜力和优势。

    Jun, 2024

  • 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

    ML 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.

    May, 2023

  • 深度学习在脑动脉瘤病出血预测中的应用

    本研究开发了三种机器学习分类算法来预测磨铜病患者出血的风险，结果表明基于 ANN 的算法具有最高的 75.7％准确率，是一种有效的预测成年磨铜病患者血肿可能性的工具。

    Feb, 2023