利用机器学习技术在阿根廷对糖尿病风险人群的首次识别体验
利用机器学习模型为阿根廷地区特定生成 T2D 和 PD 风险人群预测模型的发展和评估,证明了 RF、DT 和 ANN 方法在分类能力方面表现出色,为阿根廷地区的更复杂模型开发迈出了第一步。
利用传感器技术和机器学习,提出了一种基于批归一化的反向传播神经网络的非侵入性糖尿病诊断方法。实验结果显示相对传统方法在准确度、敏感度和特异度上有显著提高,特别是在Pima糖尿病数据集中达到了89.81%的准确度。在CDC BRFSS2015数据集中达到了75.49%的准确度,在Mesra糖尿病数据集中达到了95.28%的准确度。显示了深度学习模型在稳健糖尿病诊断方面的潜力。