Inflammatory Bowel Disease Detection Using Machine Learning Techniques

Aerranagula, Veerender

doi:10.34028/iajit/23/2/14

Inflammatory Bowel Disease Detection Using Machine Learning Techniques

2026-03-01

0

PRE

AI

A

Aerranagula, Veerender *

B

Bhukya, Raju

DOI：10.34028/iajit/23/2/14

原文链接

原文求助

摘要

En 中文

克罗恩病（CD）是一种炎症性肠病（IBD），全球发病率已上升约50%。因此，研究人员开始寻找替代方法，并开始应用基于计算的人工智能算法。我们提出了机器学习（ML）和深度学习（DL）技术，用于识别DNA序列中的复杂模式，主要目标是提高准确性。本研究介绍了多种ML模型（决策树、循环神经网络（RNN）、长短期记忆网络（LSTM）、双向LSTM（BiLSTM）、卷积神经网络（CNN）、CNN+LSTM、CNN+BiLSTM混合模型、残差网络、多层感知器（MLP）、门控循环单元（GRU）、基于Transformer的模型、带前馈神经网络的自动编码器及其他模型）在疾病分类中的性能关键发现。我们分析了从NCBI获取的基因表达数据集。每个模型均基于准确率、曲线下面积-受试者工作特征（AUC-ROC）、精确率和kappa进行评估。实验结果与现有文献中的先进方法进行比较，展示了所提模型的有效性。在所有评估方法中，所提出的序列读取存档（EMAT）模型达到最高性能，准确率达88.12%。比较分析证实，EMAT为最佳性能模型，并设定了新的基准。

Keyword:

Bowel disease

crohn's disease

machine learning

Inflammatory Bowel Disease Detection Using Machine Learning Techniques

摘要

期刊

机构

引用论文