Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "survival prediction" wg kryterium: Temat


Wyświetlanie 1-1 z 1
Tytuł:
Machine learning models for predicting patients survival after liver transplantation
Autorzy:
Jarmulski, W.
Wieczorkowska, A.
Trzaska, M.
Ciszek, M.
Paczek, L.
Powiązania:
https://bibliotekanauki.pl/articles/305726.pdf
Data publikacji:
2018
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
machine learning
models interpretability
survival prediction
generalized additive models (GAM)
liver transplant
Opis:
In our work, we have built models predicting whether a patient will lose an organ after a liver transplant within a specified time horizon. We have used the observations of bilirubin and creatinine in the whole first year after the transplantation to derive predictors, capturing not only their static value but also their variability. Our models indeed have a predictive power that proves the value of incorporating variability of biochemical measurements, and it is the first contribution of our paper. As the second contribution we have identified that full-complexity models such as random forests and gradient boosting lack sufficient interpretability despite having the best predictive power, which is important in medicine. We have found that generalized additive models (GAM) provide the desired interpretability, and their predictive power is closer to the predictions of full-complexity models than to the predictions of simple linear models.
Źródło:
Computer Science; 2018, 19 (2); 223-239
1508-2806
2300-7036
Pojawia się w:
Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-1 z 1

    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