https://libeldoc.bsuir.by/handle/123456789/43980| Title: | Прогнозирование исхода рентгенэндоваскулярных операций на коронарных артериях |
| Other Titles: | Predicting of the outcome of x-ray and vascular surgery on the coronary arteries |
| Authors: | Козловский, В. В. Абрамович, М. С. Стельмашок, В. И. |
| Keywords: | публикации ученых;материалы конференций;коронарные артерии;хронические тотальные окклюзии;логистическая регрессия;метод опорных векторов;coronary arteries;chronic total occlusions;logistic regression;support vector machine |
| Issue Date: | 2021 |
| Publisher: | Бестпринт |
| Citation: | Козловский, В. В. Прогнозирование исхода рентгенэндоваскулярных операций на коронарных артериях / В. В. Козловский, М. С. Абрамович, В. И. Стельмашок // BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей VII Международной научно-практической конференции, Минск, 19-20 мая 2021 года / редкол.: В. А. Богуш [и др.]. – Минск : Бестпринт, 2021. – С. 245–248. |
| Abstract: | На обучающей выборке, состоящей из групп пациентов успешно прооперированных и прооперированных с перфорациями коронарных артерий пациентов, из всех клинико-ангиографических признаков с использованием критерия хи-квадрат отобрано 13 информативных. Так как классы обучающей выборки несбалансированы, то для наблюдений класса обучающей выборки меньшего объема, назначались веса, которые определяли потери от неправильной классификации. В качестве методов классификации использовались логистическая регрессия, метод опорных векторов, деревья решений и случайный лес. Найдены оптимальные гиперпараметры для рассмотренных моделей. ROC-анализ показал достаточно высокую точность классификации Пациентов. |
| Alternative abstract: | The training set consists of groups of patients who have been successfully operated on and have been operated on with perforation of the coronary arteries. Chi-squared test was used to select important features from all clinical and angiographic features. Class weight for the class with smaller number of samples was modified to increase loss from misclassification because of class imbalance in the training set. Logistic regression, support vector machine, decision tree and random forest were selected for classification. Hyperparameters are optimized for the considered models. ROC analysis showed a fairly high accuracy of patient classification. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/43980 |
| ISBN: | 978-985-7267-09-5 |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2021) |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Kozlovskiy_Prognozirovaniye.pdf | 1.13 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.