基于深度神经网络的集成学习算法在医疗系统中的应用（慢性病诊断）
机器学习
2021-03-16 v1 人工智能
摘要
学习算法。本文中，我们回顾了医疗系统（慢性病）中使用的分类算法，并提出了基于神经网络的集成学习方法。我们简要描述了常用算法并阐述了它们的关键特性。材料与方法：在本研究中，考察医疗中使用的现代分类算法，研究这些方法的原理与准则，为准确诊断和预测慢性病，采用了具有优越性能的机器学习算法与基于神经网络的集成学习。为此，我们使用实验数据，即 UCI 网站上可用的慢性病患者（糖尿病、心脏病、癌症）真实数据。结果：我们发现，为诊断慢性病设计的集成算法可比基线算法更有效。同时也指出了进一步推动机器学习在慢性病诊断中分类应用的若干挑战。结论：结果表明，基于神经网络的集成学习方法在慢性病诊断与预测方面具有高性能，在本研究中分别达到了 98.5%、99% 和 100% 的准确率。
引用
@article{arxiv.2103.08182,
title = {Deep Neural Network Based Ensemble learning Algorithms for the healthcare system (diagnosis of chronic diseases)},
author = {Jafar Abdollahi and Babak Nouri-Moghaddam and Mehdi Ghazanfari},
journal= {arXiv preprint arXiv:2103.08182},
year = {2021}
}
备注
16 pages, 12 Figures