МАШИНСКО УЧЕЊЕ ЗА КЛАСИФИКАЦИЈА НА НЕБАЛАНСИРАНИ МЕДИЦИНСКИ МНОЖЕСТВА ПОДАТОЦИ

Petreska, Anita and Ristevski, Blagoj (2024) МАШИНСКО УЧЕЊЕ ЗА КЛАСИФИКАЦИЈА НА НЕБАЛАНСИРАНИ МЕДИЦИНСКИ МНОЖЕСТВА ПОДАТОЦИ. In: Конференција на докторски проекти, 28.09.2024, online.

Text Докторски проект_Анита_Петреска_f.pdf Download (1MB)

Abstract

Во светски рамки, медицинските состојби со висок ризик претставуваат значителен предизвик за здравствените системи, бидејќи се карактеризираат со сложеност и висока стапка на смртност. Традиционалните методи за класификација на пациенти со висок ризик често се неуспешни во откривањето на ретко застапените случаи во небалансирани множества податоци, резултирајќи во ограничена точност на предвидувањата. Имајќи го ова предвид, целта на истражувањето е да се воведат напредни методи на машинско учење за подобро предвидување на состојбите кај пациентите со висок ризик, користејќи податоци од македонскиот здравствен систем.
Главното истражувачко прашање се однесува на тоа како машинското учење може да се искористи за класификација на високоризичните пациенти од небалансирани множества податоци. Примерокот се состои од реални медицински податоци собрани преку националната платформа „Мој Термин“.
Во анализата ќе се користат техники за балансирање на податоците како SMOTE и Cost-Sensitive Learning, заедно со модели како Random Forest и XGBoost. Очекувањата се дека овие модели ќе постигнат подобра чувствителност при откривање на пациенти со висок ризик. Резултатите се очекува да покажат подобрување на точноста во предвидувањето на компликациите кај високоризичните пациенти.
Очекувањата се дека примената на овие техники ќе резултира со значително подобрување на прецизноста и чувствителноста при класификација на високоризични пациенти и ќе овозможи рана дијагностика и превенција на компликации, што ќе води до подобри клинички резултати.
Ова истражување има потенцијал да предложи препораки за интеграција на вештачката интелигенција во здравствените системи, не само на национално ниво, туку и глобално, со што ќе се овозможи поефикасно управување со здравствените ресурси и автоматизација на клиничките процеси.

Клучни зборови: вештачка интелигенција, машинско учење, небалансирани множества податоци, медицински состојби со висок ризик.

Item Type:	Conference or Workshop Item (Paper)
Subjects:	Scientific Fields (Frascati) > Natural sciences > Computer and information sciences Scientific Fields (Frascati) > Engineering and Technology > Electrical engineering, electronic engineering,information engineering
Divisions:	Faculty of Information and Communication Technologies
Depositing User:	Prof. d-r. Blagoj Ristevski
Date Deposited:	19 Nov 2025 08:58
Last Modified:	19 Nov 2025 08:58
URI:	https://eprints.uklo.edu.mk/id/eprint/11215

Actions (login required)

View Item