乳腺缩小手术的预后评估和智能预测系统使用改进的群体智能优化优化

科学领域:

• 整形外科 整形外科 整形外科
• 人工智能的人工智能
• 群体情报优化 群体情报优化

背景情况:

• 准确的预后评估对于减少乳房整形术至关重要.
• 现有的方法在预测术后结果时可能缺乏准确性.

研究的目的:

• 为了提高减小乳房整形的预后准确性,使用改进的小群智能算法.
• 开发用于临床决策支持的智能预测系统.

主要方法:

• 开发了一个改进的秘书鸟优化算法 (ISBOA),并与AutoML框架集成.
• 用分类和回归模型来预测术后并发症和患者满意度.
• 分析了453名减少乳房整形术患者的数据.

主要成果:

• 该ISBOA算法显示出卓越的稳定性和收速度.
• 自动ML模型在预测并发症 (ROC-AUC:0.9369) 和生活质量 (R2:0.9165) 中取得了很高的准确性.
• SHAP和DCA分析验证了该模型的预测能力和临床实用性.

结论:

• 建立了一个有效的预后评估和预测系统,用于减少乳房整形手术.
• ISBOA算法和AutoML模型为预测患者的结果提供了显著的优势.
• 开发的系统增强了整形外科临床决策的科学严谨性和效率.