双层登革热诊断使用轻量级多层感知子与XAI在雾计算环境和基于规则的推断推断
Deepika R1, Pradeep Kumar T S2
1School of Computer Science and Engineering, Vellore Institute of Technology, Chennai, 600 127, India.
Scientific reports
|May 13, 2025
概括
这项研究引入了使用雾计算和机器学习的双层登革热诊断框架,以提高远程诊断的准确性和速度. 这种新的方法达到92%的准确性,减少了误诊和死亡率.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 流行病学 流行病学
背景情况:
- 树状病毒感染,特别是登革热,导致全球显著的发病率和死亡率.
- 目前的手动登革热诊断方法依赖于经验,在爆发期间效率低下.
- 现有的远程监控云计算解决方案具有高延迟,延迟诊断.
研究的目的:
- 使用雾计算开发一个高效,低延迟的登革热诊断框架.
- 整合机器学习和深度学习,以加强远程登革热诊断.
- 提出一种双层诊断方法,以提高准确性和降低死亡率.
主要方法:
- 一个双层诊断框架,利用雾和边缘计算.
- 一级诊断:优化轻量级MLP,在雾中减少特征 (皮尔森相关性).
- 2级诊断:基于规则的推断,基于边缘层的血清学数据.
主要成果:
- 通过使用拟议的1级模型,在一个小的数据集上实现了92%的准确性.
- 实现了100%的精度和90%的F1评分,用于1级诊断.
- 实现可解释的AI (SHAP,LIME) 以实现模型透明度.
结论:
- 拟议的基于雾的双层诊断框架显著提高了登革热诊断效率.
- 这种方法提供了快速的远程诊断,对于管理登革热疫情至关重要.
- 双层战略将错误的治疗减少到最低,并降低死亡率.
