Open Daily: 10am - 10pm | Alley door pickup 10am - 7pm 3038 Hennepin Ave Minneapolis, MN
612-822-4611

  • Open Daily: 10am - 10pm
    Alley-side Pickup: 10am - 7pm

    3038 Hennepin Ave Minneapolis, MN
    612-822-4611

Open Daily: 10am - 10pm | Alley-side Pickup: 10am - 7pm
3038 Hennepin Ave Minneapolis, MN
612-822-4611
Maschinelles Lernen in der kardiovaskulären Risikodiagnose

Maschinelles Lernen in der kardiovaskulären Risikodiagnose

Paul, Paulin
B. Shan, Priestly
Kurian, Babymol

Paperback

Technology & Engineering

ISBN10: 3330968915
ISBN13: 9783330968912
Publisher: Verlag Unser Wissen
Published: Apr 15 2025
Pages: 336
Weight: 0.99
Height: 0.75 Width: 6.00 Depth: 9.00
Language: German
Eine genaue Quantifizierung des ASCVD-Risikos ist für ein frühzeitiges und wirksames kardiovaskuläres Risikomanagement unerlässlich. Herkömmliche Modelle stützen sich ausschlie lich auf traditionelle Risikofaktoren (TRFs). Dabei werden neuere, nicht-traditionelle Risikovariablen oft nicht berücksichtigt, was zu einer potenziellen Unter- oder Überschätzung des Risikos führt, insbesondere bei unterschiedlichen ethnischen Populationen. In diesem Buch wird ein neuartiges, auf maschinellem Lernen (ML) basierendes System vorgestellt, das TRFs mit nicht-traditionellen ultraschallbasierten Markern wie der Carotis-Intima-Media-Dicke (cIMT) und Carotis-Plaque (cP)-Merkmalen integriert, um die Vorhersagegenauigkeit zu verbessern. Es umfasst die Entwicklung einer diagnostischen Architektur, die hybride intelligente Modelle verwendet, die mit verschiedenen meta-heuristischen Algorithmen optimiert werden. Der gewählte Rahmen hat den Vorteil, dass zusätzliche neuere Risikovariablen ohne methodische Rekonstruktion einbezogen werden können und so zur Entwicklung zuverlässiger, effizienter und anpassbarer Lösungen für die ASCVD-Risikovorhersage im öffentlichen Gesundheitswesen beitragen.

Also from

Paul, Paulin

View All

Also in

Technology & Engineering

View All