.png){kind=icon}
返回
Big data dimensionality reduction-based supervised machine learning algorithms for NASH diagnosis
.png){kind=icon}
OA
AI
DOI：10.1186/s12859-025-06263-5.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
识别可导致肝衰竭相关发病率的非酒精性脂肪性肝炎（NASH）仍然是一个具有挑战性的研究问题，因为目前尚无确证且有效的早期准确诊断方法。为诊断NASH收集了大量医学数据，其中大部分是冗余的。本文首先聚焦于利用皮尔逊相关系数统计方法和改进的粒子群优化与人工神经网络（PSO-ANN）机器学习算法，从收集的大数据中选择最具信息量的血液检测数据。随后，采用基于梯度的批处理最小二乘法（BLS）和基于搜索的人工蜂群（ABC）机器学习算法优化NASH预测模型。经确认的操作性NASH诊断指导统计和机器学习算法开发准确预测模型。两种机器学习算法使用不同数量的选定输入特征进行了训练和验证。结果表明，训练后的BLS机器学习模型能够以100%和98%的准确率分别诊断良性和恶性病例；训练后的ABC机器学习算法分别以90.5%和94.3%的准确率诊断良性和恶性病例。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.3
论文数:
597
被引数:
5.2W
机构
引用论文
Machine learning using longitudinal prescription and medical claims for the detection of non-alcoholic steatohepatitis (NASH)使用纵向处方和医疗索赔的机器学习来检测非酒精性脂肪性肝炎 (NASH)OAAI
OAAI分享收藏分享收藏分享收藏A comprehensive machine learning framework with particle swarm optimization for improved polycystic ovary syndrome (PCOS) diagnosis一种结合粒子群优化的机器学习综合框架，用于改善多囊卵巢综合征（PCOS）的诊断
PREAI
分享收藏Development of a novel machine learning model to predict presence of nonalcoholic steatohepatitisOAAI
OAAI分享收藏Untargeted metabolomics as a diagnostic tool in NAFLD: discrimination of steatosis, steatohepatitis and cirrhosis.png)
METABOLOMICS
METABOLOMICSIF3.3
PREAI
分享收藏Diagnostic accuracy of blood biomarkers and non-invasive scores for the diagnosis of NAFLD and NASH: Systematic review and meta-analysisANNALS OF HEPATOLOGYOAAI
ANNALS OF HEPATOLOGYIF4.4
OAAI分享收藏
查看更多内容