Прогнозирование выживаемости больных, перенесших инфаркт миокарда, и оценка влияния различных факторов на исход при помощи методов машинного обучения.

Standard

Прогнозирование выживаемости больных, перенесших инфаркт миокарда, и оценка влияния различных факторов на исход при помощи методов машинного обучения. / Вопилова, Ольга Анатольевна.

In: ПРОЦЕССЫ УПРАВЛЕНИЯ И УСТОЙЧИВОСТЬ, Vol. 7, No. 1, 2020, p. 215-218.

Research output: Contribution to journal › Article

BibTeX

@article{630844e4db1a47cdb330cbfc773d838f,

title = "Прогнозирование выживаемости больных, перенесших инфаркт миокарда, и оценка влияния различных факторов на исход при помощи методов машинного обучения.",

abstract = "Данная работа посвящена решению задачи прогнозирования летального исхода после инфаркта миокарда на основе большого количества факторов, полученных при опросе и обследовании пациентов. Прогноз пациентов, переносящих инфаркт, неодинаков и зависит от множества факторов. Выявление важнейших из них, достоверно влияющих на летальный исход, является одной из важнейших задач кардиологии. Для решения данной задачи классификации были последовательно применены различные алгоритмы машинного обучения. Такие методы как градиентный бустинг, случайный лес и другие применялись к имеющейся базе данных о пациентах, перенёсших инфаркт миокарда. Также был проведён отбор наиболее информативных признаков, чтобы врач мог получить прогноз, используя лишь несколько признаков.",

keywords = "classification, machine learning, medicine, классификация, машинное обучение, медицина, classification, machine learning, medicine, классификация, машинное обучение, медицина",

author = "Вопилова, {Ольга Анатольевна}",

year = "2020",

language = "русский",

volume = "7",

pages = "215--218",

journal = "Процессы управления и устойчивость",

issn = "2313-7304",

publisher = "Смирнов Николай Васильевич",

number = "1",

}

RIS

TY - JOUR

T1 - Прогнозирование выживаемости больных, перенесших инфаркт миокарда, и оценка влияния различных факторов на исход при помощи методов машинного обучения.

AU - Вопилова, Ольга Анатольевна

PY - 2020

Y1 - 2020

N2 - Данная работа посвящена решению задачи прогнозирования летального исхода после инфаркта миокарда на основе большого количества факторов, полученных при опросе и обследовании пациентов. Прогноз пациентов, переносящих инфаркт, неодинаков и зависит от множества факторов. Выявление важнейших из них, достоверно влияющих на летальный исход, является одной из важнейших задач кардиологии. Для решения данной задачи классификации были последовательно применены различные алгоритмы машинного обучения. Такие методы как градиентный бустинг, случайный лес и другие применялись к имеющейся базе данных о пациентах, перенёсших инфаркт миокарда. Также был проведён отбор наиболее информативных признаков, чтобы врач мог получить прогноз, используя лишь несколько признаков.

AB - Данная работа посвящена решению задачи прогнозирования летального исхода после инфаркта миокарда на основе большого количества факторов, полученных при опросе и обследовании пациентов. Прогноз пациентов, переносящих инфаркт, неодинаков и зависит от множества факторов. Выявление важнейших из них, достоверно влияющих на летальный исход, является одной из важнейших задач кардиологии. Для решения данной задачи классификации были последовательно применены различные алгоритмы машинного обучения. Такие методы как градиентный бустинг, случайный лес и другие применялись к имеющейся базе данных о пациентах, перенёсших инфаркт миокарда. Также был проведён отбор наиболее информативных признаков, чтобы врач мог получить прогноз, используя лишь несколько признаков.

KW - classification

KW - machine learning

KW - medicine

KW - классификация

KW - машинное обучение

KW - медицина

KW - classification

KW - machine learning

KW - medicine

KW - классификация

KW - машинное обучение

KW - медицина

M3 - статья

VL - 7

SP - 215

EP - 218

JO - Процессы управления и устойчивость

JF - Процессы управления и устойчивость

SN - 2313-7304

IS - 1

ER -

ID: 78598351