智能预诊断非创伤性急性腹部,使用机器学习的表面信息
Zhichen Liu1, Qingping Ran2, Xu Luo2
1School of Nursing, Zunyi Medical University, Zunyi, China.
Science progress
|June 16, 2025
概括
智能框架使用有限的患者数据准确预测非创伤性急性腹部疾病 (NTAA). 逻辑回归可以与复杂的算法相比较,为此预诊断任务证明足够.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
- 诊断系统 诊断系统
背景情况:
- 预诊断对于医疗分组至关重要,但往往受现有信息的限制.
- 非创伤性急性腹部 (NTAA) 具有表面数据的诊断挑战.
- 开发了一个智能框架来解决NTAA预诊断的局限性.
研究的目的:
- 开发和评估一个智能框架,以使用有限的信息预诊断非创伤性急性腹部 (NTAA).
- 在等级层次 (I级,II级,III级) 上递归推断疾病信息.
- 为了比较各种机器学习算法用于NTAA预诊断的性能.
主要方法:
- 使用了NTAA患者的回顾性数据集.
- 设计了一个机器学习框架,结合了二进制分类器.
- 使用递归特征消除与交叉验证 (REFCV) 进行特征改进.
- 评估了五种算法 (逻辑回归,DNN,SVM,RF,XGBoost) 进行了五倍交叉验证和网格搜索.
主要成果:
- 一级疾病识别指标超过0.90.
- 二级分类指标通常超过0.80.
- 对于常见的III级NTAA条件,实现了高的认可率.
- 后勤回归表现出与更复杂的算法相提并论的性能.
结论:
- 开发的框架有效地区分了NTAA主要疾病类别和亚型.
- 使用表面信息进行NTAA的预诊断,可以在拟议的框架下实现.
- 逻辑回归对于这个任务来说是一个足够的算法,没有从更复杂的模型中获得明显的优势.
