TY -的A2 - Chen Huiling盟——Megna罗萨里奥盟——Petretta马里奥AU - Assante,罗伯塔非盟- Zampella,伊米莉亚AU - Nappi,卡梅拉盟——Gaudieri也好AU - Mannarino,特蕾莎非盟主席特- D,阿德里亚娜AU -绿色,罗伯塔非盟-坎托尼,也好盟——Arumugam Parthiban AU - Acampa,旺达盟——Cuocolo Alberto PY - 2021 DA - 2021/11/27 TI -比较在不同机器学习进行预测的方法来预测压力诱导缺血心肌灌注成像在PET / CT SP - 3551756六世- 2021 AB -传统方法预测冠状动脉疾病(CAD)是基于人口数据,胸痛和呼吸困难等症状,疾病与心血管疾病有关。通常,这些变量逻辑回归分析的量化与结果的关系;然而,他们的预测价值是有限的。在目前的研究中,我们旨在调查不同的机器学习(ML)技术的价值评估怀疑CAD;作为金标准,压力诱导缺血的存在^82年Rb正电子发射断层扫描/计算机断层扫描(PET / CT)心肌灌注显像(MPI) ML被选上他们的临床使用和他们的代表不同类型的算法,如确定性(支持向量机和朴素贝叶斯),自适应(ADA和演算法),决策树(随机森林,rpart, XGBoost)。研究人群包括连续2503例,接受了疑似CAD MPI。测试毫升表演,数据随机分割成两部分:培训/测试(80%)和验证(20%)。培训/测试,我们应用一个5倍交叉验证,重复2次。这个子集,我们进行自由参数的优化算法。对所有指标,最好的演算法的性能在培训/测试观察。朴素贝叶斯毫升导致更有效的验证方法。物流和rpart算法显示出类似的度量值的培训/测试和验证的方法。这些结果令人鼓舞,表明ML算法可以提高评估预发性压力诱导的心肌缺血。SN - 1748 - 670 - 2021/3551756 / 10.1155 x你——https://doi.org/10.1155/2021/3551756——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER