使用VGG密集混合NetClassifier对儿科胃肠炎风险因素和季节性变化的预测分析,这是一种新的深度学习方法
P T Pranesh1, Carmelin Durai Singh1, Anand Sivanandam2
1Center for Global Health Research, Saveetha Medical College and Hospital, Saveetha Institute of Medical and Technical Sciences, Chennai, India.
Scientific reports
|July 4, 2025
概括
一个新的深度学习模型,VDHNC,准确地预测儿科胃肠炎,改善早期检测和季节性疫情预测. 这种方法通过更早地识别有风险的儿童,提高了患者护理和公共卫生策略.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 儿童传染病 儿童传染病
背景情况:
- 儿童胃肠炎是全球儿童疾病和死亡的主要原因.
- 当前的诊断方法往往忽略了关键的风险因素和季节性模式,导致治疗延迟和住院病例增加.
研究的目的:
- 开发一个先进的深度学习模型,用于增强儿科胃肠炎的预测,分类和季节性趋势分析.
- 改善儿童胃肠炎病例的早期检测和风险评估.
主要方法:
- 通过结合VGG16和DenseNet架构,创建了一个混合深度学习模型VDHNC.
- 使用了临床,人口和环境数据,预处理包括归算,规范化,异常值管理和SMOTE用于类平衡.
- 模型性能与基线模型 (SVM,随机森林,XGBoost) 进行了验证,使用ANOVA和t测试等统计测试.
主要成果:
- 该VDHNC模型实现了97%的准确性,在精度,回忆和AUC-ROC得分方面表现优于基线模型.
- 该模型成功地确定了胃肠炎的季节性模式,有助于预测未来的疫情.
- 统计分析证实了VDHNC的优势,p值<0.05.
结论:
- VDHNC模型为儿童胃肠炎的早期检测和风险评估提供了一个可靠的工具.
- 它的稳定性和可解释性支持实时公共卫生决策和医院资源规划.
关键词:
深度学习 (DL) 是指深度学习.在DenseNet中,使用的是DenseNet.机器学习 (ML) 是指机器学习.医学研究 医学研究儿科胃肠炎 儿童胃肠炎在这里,Python是Python.风险因素 风险因素季节性分析 季节性分析VGG-Dense 混合网络分类器在VGG16中,VGG16是VGG16中的一个.
