使用多个过器和包装优化模型实现有效的临床决策支持,用于基于物联网的医疗数据

科学领域:

• 医疗信息学 医疗信息学
• 计算机科学 计算机科学
• 数据科学数据科学数据科学

背景情况:

• 医疗保健中的物联网 (IoT) 产生了庞大而复杂的数据.
• 功能选择 (FS) 对基于物联网的临床决策支持系统 (CDSS) 的准确性,效率和可解释性至关重要.
• 数据冗余和噪声会对系统性能产生负面影响,需要有效的FS.

研究的目的:

• 为基于物联网的CDSS提出一种新的两相特征选择模型.
• 提高医疗保健决策系统的准确性,效率和可解释性.
• 为了应对医疗保健数据中数据量,冗余和噪音的挑战.

主要方法:

• 一个双相FS模型,结合了波器方法 (FM) 和包装方法 (WM).
• 第一个阶段:由五个FM集成,然后使用皮尔森相关性方法 (PCM).
• 第二阶段:二元优化遗传灰狼优化算法 (BOGGWOA) 作为WM,利用支持矢量机 (SVM) 进行准确预测.

主要成果:

• 拟议的模型有效地整合了过方法的有价值特征.
• 皮尔森相关系数 (PCC) 用于消除无关的特征.
• BOGGWOA优化了特征选择,以提高分类准确性 (CA).

结论:

• 开发的双相FS模型对于物联网医疗保健中的实用和可靠的CDSS至关重要.
• 这种方法通过减少计算开销和提高可解释性来提高决策系统质量.
• 包括BOGGWOA在内的波器和包装方法的整合为医疗数据分析提供了强大的解决方案.