Исследование методов машинного обучения для диагностики хронической сердечной недостаточности

Abstract

В работе исследованы методы машинного обучения для диагностики хронической сердечной недостаточности на основе рамановских спектров крови. Изучена эффективность алгоритмов предобработки данных и выделения признаков с помощью метода разрешения многомерных кривых (MCR-ALS). Построено семь моделей бинарной классификации с использованием методов балансировки данных. Полученные результаты подтверждают, что применение методов машинного обучения к данным рамановской спектроскопии может быть использовано при разработке систем, помогающих врачу в постановке диагноза.