修改了相互信息功能选择算法,使用临床数据预测COVID-19
R Ame Rayan1, A Suruliandi1, S P Raja2
1Department of Computer Science and Engineering, Manonmaniam Sundaranar University, Tirunelveli, India.
Computer methods in biomechanics and biomedical engineering
|November 21, 2024
概括
这项研究引入了修改后的相互信息 (MMI),用于在COVID-19血液测试分析中有效的特征选择. 使用MMI的机器学习模型在预测疾病时达到95%的准确性.
科学领域:
- 生物医学信息学 生物医学信息学
- 计算生物学 计算生物学
- 传染病研究 传染病研究
背景情况:
- 随着COVID-19的爆发,人们越来越需要快速,准确的疾病检测.
- 由于SARS-CoV-2对血液学参数的影响,血液测试是必要的诊断工具.
- 针对COVID-19预测的有效机器学习模型取决于选择相关的诊断特征.
研究的目的:
- 利用血液测试数据开发一个优化的特征选择方法来预测COVID-19.
- 提高基于机器学习的诊断模型的准确性和通用性.
- 为了确定疾病分类的血液检测结果中最有信息的特征.
主要方法:
- 建议修改的相互信息 (MMI) 用于特征相关性排名和最佳子集选择.
- 在MMI中使用回溯算法来改进特征选择.
- 利用支持矢量机器 (SVM) 进行强大的COVID-19病例分类.
主要成果:
- 与SVM相结合的MMI特征选择方法实现了95%的高预测准确度.
- 与其他现有的特征选择技术相比,这种方法显示出更高的性能.
- 该模型在各种基准数据集中表现出强大的通用性,表明可靠的诊断潜力.
结论:
- 修改互助信息 (MMI) 是一种高效的技术,用于在COVID-19血液测试分析中选择相关特征.
- 将MMI与支持矢量机器 (SVM) 集成为疾病预测提供了强大而准确的工具.
- 这项研究提供了一种经过验证的计算方法,用于改善流行病情景中的诊断准确性.
相关概念视频
01:12Statistical Software for Data Analysis and Clinical Trials
494
Statistical software is pivotal in data analysis and clinical trials by providing tools to analyze data, draw conclusions, and make predictions. These software packages range from simple data management applications to complex analytical platforms, supporting various statistical tests, models, and simulation techniques. Their significance lies in their ability to handle vast amounts of data with precision and efficiency, enabling researchers to validate hypotheses, identify trends, and make...
494
01:18Steps in Outbreak Investigation
106
In the ever-evolving field of public health, statistical analysis serves as a cornerstone for understanding and managing disease outbreaks. By leveraging various statistical tools, health professionals can predict potential outbreaks, analyze ongoing situations, and devise effective responses to mitigate impact. For that to happen, there are a few possible stages of the analysis:
106