预测烟雾病出血的深度学习方法
机器学习
2023-02-02 v1 人工智能
定量方法
摘要
目的：可靠地预测有出血风险的烟雾病（MMD）患者的工具可能具有重要价值。本文旨在开发三种机器学习分类算法以预测烟雾病出血。方法：回顾2009年至2015年间连续入住我院的MMD患者的临床数据。分析人口统计学、临床、影像数据以开发人工神经网络（ANN）、支持向量机（SVM）和随机森林模型。结果：我们提取了33个参数，包括11个人口统计学特征和22个影像特征作为模型开发的输入。在所有比较的分类结果中，ANN取得了最高的总体准确率75.7%（95% CI，68.6%-82.8%），其次是SVM的69.2%（95% CI，56.9%-81.5%）和随机森林的70.0%（95% CI，57.0%-83.0%）。结论：所提出的ANN框架可作为一种基于临床信息和影像特征预测成年MMD患者出血可能性的潜在有效工具。
引用
@article{arxiv.2302.00188,
title = {Deep Learning Approach to Predict Hemorrhage in Moyamoya Disease},
author = {Meng Zhao and Yonggang Ma and Qian Zhang and Jizong Zhao},
journal= {arXiv preprint arXiv:2302.00188},
year = {2023}
}