|
Investigation of the efficiency of graph data representation for a cardiovascular disease predictive model by deep learning methods
[Исследование эффективности графового представления данных для модели прогнозирования сердечно-сосудистых заболеваний методами глубокого обучения]
L. S. Grishinaa, A. Yu. Zhigalova, I. P. Bolodurinaab, E. L. Borshhukb, D. N. Begunb, Yu. V. Varennikovac a Orenburg State University
b Orenburg State Medical University
c Medical Information and Analytical Center of the city of Orenburg
Аннотация:
В настоящий момент сердечно-сосудистые заболевания (ССЗ) являются наиболее распространенной причиной смертности в мире. Методы искусственного интеллекта дают обширные возможности для извлечения новых знаний из необработанных данных медицинских информационных систем (МИС). Настоящее исследование направлено на построение модели прогнозирования диагноза ССЗ на основе жалоб пациента на приеме у врача с применением методов NLP. Формирование исходного набора данных основано на графовой модели истории болезни пациента с ССЗ по протоколам посещения. Проведен сравнительный анализ моделей машинного обучения, таких как наивный байесовский классификатор, метод опорных векторов и сверточная нейронная сеть. В результате проведенных экспериментов выбрана наиболее эффективная модель прогнозирования ССЗ.
Ключевые слова:
обработка естественного языка, графовая модель, сердечно-сосудистые заболевания, сверточные нейронные сети, метод опорных векторов, медицинские информационные системы, модель прогнозирования заболеваний.
Поступила в редакцию: 15.06.2022
Образец цитирования:
L. S. Grishina, A. Yu. Zhigalov, I. P. Bolodurina, E. L. Borshhuk, D. N. Begun, Yu. V. Varennikova, “Investigation of the efficiency of graph data representation for a cardiovascular disease predictive model by deep learning methods”, Дальневост. матем. журн., 22:2 (2022), 179–184
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/dvmg485 https://www.mathnet.ru/rus/dvmg/v22/i2/p179
|
|