Contemporary medicine should provide high quality diagnostic services while at the same time remaining as comfortable as possible for a patient. Therefore novel non-invasive disease recognition methods are becoming one of the key issues in the health services domain. Analysis of data from such examinations opens an interdisciplinary bridge between the medical research and artificial intelligence. The paper presents application of machine learning techniques to biomedical data coming from indirect examination method of the liver fibrosis stage. Presented approach is based on a common set of non-invasive blood test results. The performance of four different compound machine learning algorithms, namely Bagging, Boosting, Random Forest and Random Subspaces, is examined and grid search method is used to find the best setting of their parameters. Extensive experimental investigations, carried out on a dataset collected by authors, show that automatic methods achieve a satisfactory level of the fibrosis level recognition and may be used as a real-time medical decision support system for this task.
Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies
Informacja
SZANOWNI CZYTELNICY!
UPRZEJMIE INFORMUJEMY, ŻE W OKRESIE WAKACYJNYM BIBLIOTEKA BĘDZIE FUNKCJONOWAŁA W ZMIENIONYCH GODZINACH::
od 15 do 31 lipca:
Wypożyczalnia i Czytelnia Główna:
9.00 - 15.00
(poniedziałek-piątek)
Czytelnia Działu Zbiorów Specjalnych:
9.00 - 15.00
(poniedziałek-piątek)
od 1 do 31 sierpnia:
BIBLIOTEKA BĘDZIE NIECZYNNA
UWAGA:
Zwrotu wypożyczonych materiałów można dokonać u dyżurującego bibliotekarza w Wypożyczalni Głównej od 9.00 do 15.00.
Na pozycje, których termin zwrotu przypadnie od 1 do 31 sierpnia, wprowadzona zostanie prolongata (nowy termin zwrotu – 6 września).