对肝病标志物的多项式SHAP分析,用于在机器学习模型中捕获复杂特征相互作用
Chukwuebuka Joseph Ejiyi1, Dongsheng Cai2, Makuachukwu B Ejiyi3
1College of Nuclear Technology and Automation Engineering, Sichuan Industrial Internet Intelligent Monitoring and Application Engineering Research Center, Chengdu University of Technology, Sichuan, Chengdu, China; Network and Data Security Key Laboratory of Sichuan Province, University of Electronic Science and Technology of China, Chengdu, Sichuan, China.
多项式-夏普利添加式扩展分析显著提高了用于肝病诊断的机器学习模型性能. 这种方法提高了准确性和可解释性,这对于有效的临床决策至关重要.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 计算生物学 计算生物学
背景情况:
- 准确的肝病诊断对于患者管理至关重要.
- 机器学习 (ML) 模型显示出潜力,但往往缺乏可解释性.
- 提高ML模型的性能和理解对于临床采用至关重要.
研究的目的:
- 评估多项式-夏普利添加式扩展 (PSHAP) 分析对肝病分类ML模型的影响.
- 评估模型性能指标和可解释性方面的改进.
- 调查PSHAP在理解诊断复杂特征相互作用中的作用.
主要方法:
- 应用PSHAP分析对ML模型进行肝病分类.
- 使用合成少数人过量采样技术 (SMOTE) 重新平衡数据.
- 执行参数调整以优化模型性能.
主要成果:
- PSHAP分析显著提高了准确性,精度,回忆,F1得分和马修斯相关系数.
- 光梯度增强机模型实现了100%的准确性.
- 通过揭示复杂的特征相互作用,PSHAP增强了模型的解释性.
结论:
- PSHAP分析是改进基于ML的肝病诊断系统的宝贵工具.
- 该方法为临床决策提供了更高的性能和更好的解释性.
- 整合PSHAP可以带来更可靠,更易于理解的诊断工具.
更多相关视频
05:37Author Spotlight: A Non-Invasive Tool to Assess and Differentiate Fat Patterns in Liver Using 3D Dixon MRI
Published on: October 20, 2023
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
