Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.
Методическая статья
В данном исследовании рассматриваются четыре алгоритма машинного обучения: K-ближайшие соседи (KNN), опорная векторная машина (SVM), усиление экстремального градиента (XGBoost) и классификатор мягкого голосования в проактивной диагностике гипотиреоза. Алгоритмы были включены в шорт-лист на основе критического обзора литературы и использовались на основе локально собранного набора данных из Саудовской Аравии.
Гипотиреоз — одно из самых распространённых, но недиагностированных заболеваний в Саудовской Аравии. Он чаще встречается у пожилых и беременных женщин, а также у пациентов с диабетом и апноэ сна. Гипотиреоз характеризуется недостаточным выработкой гормонов щитовидной железы, что при отсутствии лечения может привести к другим хроническим заболеваниям. По этой причине в исследовании предлагаются методы машинного обучения для превентивной диагностики этого заболевания, используя простой клинический набор данных из Саудовской Аравии. Учитывая размер данных, эта работа служит доказательством концепции. Алгоритмы, такие как KNN, SVM, градиентное усиление и классификатор ансамбля мягкого голосования, были выбраны за их перспективные результаты в проактивной диагностике гипотиреоза и сопутствующих заболеваний по сравнению с другими алгоритмами в литературе. Лучшей моделью стал классификатор мягкого голосования, достигший точности 94,7%. SVM, KNN и XGBoost достигли соответственно точности 94%, 93,42% и 92,1%. Эти результаты были получены с помощью 10-кратной перекрестной валидации и прямого последовательного выбора признаков.
Дисфункция щитовидной железы (ТД) — одно из самых распространённых хронических эндокринных заболеваний, с разной распространённостью в разныхпопуляциях. 1. Два самых распространённых заболевания щитовидной железы — это гипотиреоз и гипертиреоз. Гипотиреоз — это распространённое состояние, возникающее из-за недостаточной выработки гормонов щитовидной железы. Хотя обычно лечение можно контролировать, в тяжёлых случаях это может привести к смерти, если не лечить. Наиболее распространённые симптомы гипотиреоза у взрослых включают усталость, запоры, вялость, набор веса, сухость кожи и изменения голоса. Однако клинич....
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
1. Методология
ПРИМЕЧАНИЕ: Как описано в таблице материалов, эксперимент для этого исследования проводился на Python на Jupyter Notebook, который использовался для разработки моделей машинного обучения для превентивной диагностики гипотиреоза. На этапе предварительной обработки использовались Microsoft Excel и библиотека Python Scikit-Learn. K-ближайший сосед (KNN), машина опорного вектора (SVM), усиление экстремального градиента (XGBoost) и классификатор ансамбля мягкого голосования, состоящий из KNN и SVM, затем использовались GridSearchCV и 10-кратная кросс-валидация для п....
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Производительность моделей
Результаты четырёх моделей, созданных в этом исследовании, сравнивались и анализировались с учётом их точности, воспоминания и тестирования. Алгоритм GridsearchCV использовался для определения наилучшего гиперпараметра для каждой модели с использованием всех признаков. Производительность каждой модели оценивалась с помощью стратифицированной 10-кратной перекрестной валидации. В таблице 5 представлены результаты производитель.......
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
В этом исследовании изучаются алгоритмы машинного обучения на клиническом наборе данных Саудовской Аравии с целью разработки превентивной диагностической модели гипотиреоза. Были созданы четыре модели: KNN, SVM, XGBoost и Soft Voting Ensemble Classifier. Все четыре модели определили возраст и частоту дыхания как значимые показатели при превентивной диагностике заболевания. Среди четырёх моделей классификатор голосования продемонстрировал превосходные результаты по всем метрикам, использо.......
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Набор данных получен из больницы по номеру IRB-2020-09-429. У авторов нет конфликтов интересов, чтобы сообщать относительно текущего исследования.
Авторы выражают признательность поддержке медицинских работников в подтверждении результатов исследования.
....Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
| Имя | Компания | Каталожный номер | Комментарии |
|---|---|---|---|
| Ноутбук/Машина | Dell | XPS9320 | ОЗУ 16 ГБ, 12-е поколение Intel(R) Core(TM) i7-1260P |
| Excel 365 | Microsoft | Excel 365 | Используется для хранения исходных данных в формате csv |
| Python 3.12.12 | Google colab Notebook | Python 3.12.12 | Используется для обучения сборке моделей и bbsp; |
| Numpy 2.0.2 | Google colab Notebook | Numpy 2.0.2 | Используется для обучения сборке моделей и bbsp; |
| Панды 2.2.2 | Google colab Notebook | Панды 2.2.2 | Используется для обучения сборке моделей и bbsp; |
| Sklearn 1.6.1 | Google colab Notebook | Sklearn 1.6.1 | Используется для обучения сборке моделей и bbsp; |
| Mlxtend 0.23.4 | Google colab Notebook | Mlxtend 0.23.4 | Используется для обучения сборке моделей и bbsp; |
| XGbbost 3.1.2 | Google colab Notebook | XGbbost 3.1.2 | Используется для обучения сборке моделей и bbsp; |
| SPSS | IBM, США | Sklearn 1.6.1 | Используется для статистического анализа |
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.