面向圣保罗的深度学习与机器学习方法预测新生儿死亡
机器学习
2025-08-14 v1 人工智能
摘要
新生儿死亡仍是不发达甚至一些发达国家的关切现实。全球数据显示，according to Macro Trades，1,000 名新生儿中有 26.693 名婴儿死亡。为减少此数字，早期预测危险婴儿至关重要。这种预测为及时对婴儿和母亲采取充分 care 提供了机会，以避免早期婴儿死亡。在此背景下，使用机器学习来确定新生儿是否处于风险之中。为训练预测模型，我们使用了 140 万名新生儿的历史数据。实现了机器学习和深度学习技术，包括逻辑回归、K 近邻、随机森林分类器、极端梯度提升 (XGBoost)、卷积神经网络和长短期记忆网络 (LSTM)，并使用该数据集识别预测新生儿死亡的最准确模型。在机器学习算法中，XGBoost 和随机森林分类器取得了最佳 94% 的准确率，而在深度学习模型中，LSTM 实现了最高的 99% 的准确率。因此，使用 LSTM 似乎是预测婴儿是否需要采取预防措施的最合适方法。
引用
@article{arxiv.2506.16929,
title = {A deep learning and machine learning approach to predict neonatal death in the context of S\~ao Paulo},
author = {Mohon Raihan and Plabon Kumar Saha and Rajan Das Gupta and A Z M Tahmidul Kabir and Afia Anjum Tamanna and Md. Harun-Ur-Rashid and Adnan Bin Abdus Salam and Md Tanvir Anjum and A Z M Ahteshamul Kabir},
journal= {arXiv preprint arXiv:2506.16929},
year = {2025}
}