文件名称：用于动脉阻塞风险预测的机器学习模型-研究论文
文件大小：1.58MB
文件格式：PDF
更新时间：2024-06-30 06:21:29
论文研究
动脉阻塞是现代主要的医学疾病之一，影响全球约 670 万人。 医生对病理报告进行心理分析，以确定这种风险。 本文探讨了人工智能和机器学习在动脉阻塞风险预测方面的可行性。 这导致最大限度地减少由于人为错误、早期检测和对大量数据的有效理解而导致的诊断失误。 收集的病理数据邀请使用监督学习。 之后比较深度学习、决策树、朴素贝叶斯、梯度提升树和随机森林方法，以识别具有最高准确度的机器学习模型。 深度学习模型在 90.36% 和第二高的运行时间 20 秒时提供了最准确的结果，并确定了其变化对疾病风险影响最大的因素。 这些方法的一个显着特点是它们适用于各种各样的医学数据，这些数据通常与本文使用的病理数据属于同一类型。 这意味着所研究的模型可以扩展到包括更多参数、更多器官并预测更多疾病风险。