Журнал медицинских методов диагностики
Открытый доступ

Абстрактный

Синергия машинного обучения и светодиода для новаторского раннего обнаружения заболеваний: целенаправленное исследование диагностики COVID-19

Джайендра С. Джадхав

Раннее возникновение заболеваний играет ключевую роль в современном здравоохранении, поскольку оно может влиять на прогноз лечения, расходы на здравоохранение и общее состояние здоровья населения. Алгоритмы машинного обучения незаменимыми инструментами для выявления тонких закономерностей, влияющих и прогностических факторов, присутствующих в сложных источниках медицинских данных, таких как история болезни пациентов, диагностические изображения и геномная информация. Интеграция машинного обучения с возможностью подключения кабеля представляет собой существенную трансформацию достижений в здравоохранении. В этом документе исследуются несколько методов машинного обучения, таких как LR, RF, GB, SVC и GNB. Он продемонстрировал их замечательную эффективность при анализе симптомов для точного выявления случаев, связанных с Covid-19, которые используются в качестве основного устройства. Применение перекрестной проверки предложено комплексным анализом возможностей производительности, показывающим, что модели Random Forest и Gradient-Boosting особенно эффективны, достигая жизненно важного баланса в своих метриках, что имеет решающее значение для надежного фактора на начальном этапе. Кроме того, эти модели, с их коэффициентом достоверности (0,91) и достоверностью (0,92), подтвердили свой статус исключительного инструмента для раннего определения исследований. В простом расчете сочетание машинного обучения и технологий в значительной степени позволяет системам здравоохранения выявлять и лечить заболевания на начальных стадиях, улучшая наше понимание мер и руководящие меры и стратегии общественного здравоохранения.