从数据到希望:基于深度神经网络的中毒预测 (DNNPPS) 自杀案例
Houriyeh Ehtemam1, Mohammad Mehdi Ghaemi2, Fahimeh Ghasemian3
1Medical Technology Research Centre (MTRC), School of Engineering and the Built Environment, Anglia Ruskin University, Essex CM1 1SQ, UK.
深度神经网络 (DNN) 可以使用历史数据以91%的准确度预测自杀企图. 这种预测模型识别了关键的风险因素,如精神病史和就业,帮助预防工作.
科学领域:
- 医疗保健中的人工智能
- 公共卫生信息学 公共卫生信息学
- 计算精神病学是一种计算精神病学.
背景情况:
- 自杀是一个重大的全球挑战,具有严重的社会经济影响,需要有效的预防策略.
- 深度神经网络 (DNN) 算法表现出强大的预测能力,使其成为卫生部门应用中的有价值工具.
- 这项研究探讨了DNN在预测自杀病例中的有效性.
研究的目的:
- 评估深度神经网络预测预防系统 (DNNPPS) 的潜力,以评估自杀风险.
- 使用机器学习识别与自杀企图相关的关键风险因素.
- 根据历史数据开发和验证DNN模型,以预测基于历史数据的自杀.
主要方法:
- 一项描述性-分析性,横截面研究,利用来自伊朗克尔曼 (2019-2022) 的1500点自杀数据集.
- 一个深度神经网络预测预防系统 (DNNPPS) 用于分析.
- 该模型被训练为二进制分类任务,使用1453个自杀历史的个人数据集,结合类平衡和四密层顺序架构等预处理技术.
主要成果:
- 确定的自杀企图的关键预测因素包括精神病医院病史,周日和职业.
- 当DNNPPS模型应用于具有自杀史的个人数据集时,它获得了91%的高F1得分.
- 该模型在预测自杀案例方面表现出高准确性和精度与回忆之间的稳健平衡.
结论:
- DNN算法的性能取决于数据质量,数量和模型架构.
- DNNPPS模型获得了91%的F1得分,表明其在准确预测自杀方面的有效性.
- 这些发现强调了DNN作为自杀预防策略中一个有价值的工具的潜力.
更多相关视频
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
08:04Identification and Classification of Position-specific GABAA Receptor Subunit Missense Variants for Their Role In Hippocampal Pyramidal Neurons
Published on: June 6, 2025
相关概念视频
Predicting Reaction Outcomes
Prevention of Further Absorption of Poison
Anticholinesterase Agents: Poisoning and Treatment
Irreversible agents form a strong bond with the cholinesterase enzyme, making it inactive. The breakdown of the phosphorylated enzyme is...
End Point Prediction: Gran Plot
For potentiometric titration, the Gran plot is created by plotting...
Pharmaceutical Poisoning: Potential Scenarios
Pharmaceutical Poisoning: Treatment Strategies
