Um algoritmo de floresta aleatória obteve o melhor desempenho na avaliação da gravidade da insuficiência cardíaca e na previsão do tipo em comparação com redes neurais, máquinas de vetores de suporte e outros modelos.
Outro
Um sistema de suporte à decisão clínica baseado em floresta aleatória melhora a avaliação da gravidade da insuficiência cardíaca e a previsão do tipo em comparação com outros algoritmos de aprendizado de máquina?
Um sistema de suporte à decisão clínica baseado em floresta aleatória fornece desempenho superior para avaliar a gravidade da insuficiência cardíaca e prever o tipo de insuficiência cardíaca em comparação com outros modelos de aprendizado de máquina.
Neste artigo, apresentamos um sistema de suporte à decisão clínica (CDSS) para a análise de pacientes com insuficiência cardíaca (IC), fornecendo várias saídas, como uma avaliação da gravidade da IC, previsão do tipo de IC, além de uma interface de gerenciamento que compara os diferentes acompanhamentos dos pacientes. Todo o sistema é composto por uma parte do núcleo inteligente e de uma ferramenta de gerenciamento de propósito específico para IC, que também fornece a função de atuar como interface para o treinamento e uso da inteligência artificial. Para implementar as funções inteligentes, adotamos uma abordagem de aprendizado de máquina. Neste artigo, comparamos o desempenho de uma rede neural (NN), uma máquina de vetores de suporte, um sistema com regras fuzzy produzidas geneticamente e uma árvore de classificação e regressão e sua evolução direta, que é a floresta aleatória, na análise da nossa base de dados. Os melhores desempenhos nas funções de avaliação da gravidade da IC e previsão do tipo de IC são obtidos usando o algoritmo da floresta aleatória. A ferramenta de gerenciamento permite ao cardiologista preencher uma "base de dados supervisionada" adequada para aprendizado de máquina durante suas consultas ambulatoriais regulares. A ideia vem do fato de que na literatura existem poucas bases de dados desse tipo, e elas não são escaláveis para o nosso caso.
Guidi et al. (Qui,) conduziram um estudo sobre Insuficiência Cardíaca. O sistema de suporte à decisão clínica por aprendizado de máquina vs. Rede neural, máquina de vetores de suporte, regras fuzzy, árvore de classificação e regressão foi avaliado na avaliação da gravidade da insuficiência cardíaca e previsão do tipo. Um algoritmo de floresta aleatória obteve o melhor desempenho na avaliação da gravidade da insuficiência cardíaca e na previsão do tipo em comparação com redes neurais, máquinas de vetores de suporte e outros modelos.