Implementation of deep learning methods in medical diagnostics

Abstract

Такие методы машинного обучения как логистическая регрессия, деревья решений, случайный лес деревьев решений, градиентный бустинг, полносвязные нейронные сети, а также методы глубокого обучения, разработанные для работы с табличными данными, такие как SuperTML и NODE применялись для предсказания исхода после инфаркта миокарда. Производился отбор наиболее информативных признаков, а также использовались методы борьбы с несбалансированностью классов.

Machine learning algorithms such as logistic regression, decision trees, random forest of decision trees, gradient boosting, fully connected neural networks, and deep learning techniques developed for working with tabular data such as SuperTML and NODE have been used to predict outcome after myocardial infarction. The selection of the most important features was made, and methods of dealing with class imbalance were used.