Аннотация

Проведено сравнение точности предсказания двух методов машинного обучения: Случайный лес (СЛ) и Многослойный персептрон (МСП) в задаче прогнозирования исходов «инвалидность» и «отсутствие инвалидности» детских ишемических инсультов (ИИ). Выборка представляет собой серию клинических случаев: 172 ребенка с ишемическим инсультом, доказанным по данным МРТ головного мозга. В качестве предикторов были использованы данные генетических исследований на носительство полиморфизмов 8 генов тромбофильного спектра: FGB:-455G>A, F2:20210G>A, F5:1691G>A, F7:10976G>A, F13:103G>T, ITGA2:807C>T, ITGB3:1565T>C, PAI-1:-675 5G>4G, и 4 генов фолатного цикла: MTHFR:677C>T, MTHFR:1298А>С, МТRR:66А>G, MTR:2756А>G. МСП продемонстрировал более высокие показатели правильных распознаваний исходов, чем случайный лес (0,88 против 0,67 соответственно).
Переведенное названиеAccuracy of Random forest method and Multilayer perceptron method in predicting of the outcomes in pediatric ischemic stroke
Язык оригиналаРусский
Страницы (с-по)58-62
Число страниц5
ЖурналУральский медицинский журнал
Номер выпуска10(154)
СостояниеОпубликовано - 2017

ГРНТИ

  • 76.29.00 Клиническая медицина

Уровень публикации

  • Перечень ВАК

Fingerprint Подробные сведения о темах исследования «ТОЧНОСТЬ МЕТОДОВ СЛУЧАЙНЫЙ ЛЕС И МНОГОСЛОЙНЫЙ ПЕРСЕПТРОН В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ ИСХОДОВ ДЕТСКИХ ИШЕМИЧЕСКИХ ИНСУЛЬТОВ». Вместе они формируют уникальный семантический отпечаток (fingerprint).

Цитировать