相关实验视频
Updated: Jun 9, 2026
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.7K
在使用机器学习的儿童中识别自我照顾问题
1Artificial Intelligence and Data Analytics (AIDA) Lab, College of Computer and Information Sciences, Prince Sultan University, Riyadh, Saudi Arabia.
Heliyon
|March 11, 2024
概括
机器学习模型现在可以以99%的准确度识别儿童自我照顾问题. 这种方法简化了诊断,解决了医疗专业人员和职业治疗师面临的挑战.
科学领域:
- 儿科健康 儿科健康
- 人工智能的人工智能
- 医疗保健中的机器学习
背景情况:
- 对于医疗专业人员来说,识别儿童的自我护理问题是复杂而耗时的.
- 全球职业治疗师短缺加剧了诊断这些问题的挑战.
- 机器学习为简化和加快识别过程提供了一个潜在的解决方案.
研究的目的:
- 使用机器学习模型来识别儿童的自我护理问题.
- 评估SCADI数据集上的不同分类算法的有效性.
- 提高儿科自我护理评估的诊断准确性和效率.
主要方法:
- 利用SCADI数据集进行训练和测试机器学习模型.
- 通过数据缩小技术解决了高维度问题.
- 应用SMOTE (合成少数人过量采样技术) 来平衡不平衡的数据集.
- 比较了天真贝叶斯,J48和随机森林分类算法.
主要成果:
- 随机森林分类器在SMOTE平衡数据上取得了最高的表现.
- 在识别自我护理问题时,实现了99%的平衡准确度.
- 开发的机器学习模型超过了现有的专家系统的性能.
结论:
- 机器学习,特别是带有SMOTE平衡的随机森林,对于识别儿童自我照顾问题非常有效.
- 这种方法为传统诊断方法提供了更准确,更有效的替代方案.
- 该研究表明,人工智能有潜力支持医疗保健专业人员进行儿科评估.
