Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/341099Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.author | Палто, Е. С. | |
| dc.date.accessioned | 2026-02-05T11:03:41Z | - |
| dc.date.available | 2026-02-05T11:03:41Z | - |
| dc.date.issued | 2025 | |
| dc.identifier.citation | Информационные системы и технологии = Information Systems and Technologies : материалы XI Междунар. науч. конгр. по информатике (CSIST-2025), Респ. Беларусь, Минск, 29–31 окт. 2025 г. В 2 ч. Ч. 1 / Белорус. гос. ун-т ; редкол.: С. В. Абламейко (гл. ред.) [и др]. – Минск : БГУ, 2025. – С. 158-166. | |
| dc.identifier.isbn | 978-985-881-851-7 | |
| dc.identifier.isbn | 978-985-881-852-4 (ч. 1) | |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/341099 | - |
| dc.description | Раздел II. Биоинформатика и приложения | |
| dc.description.abstract | В данной работе рассматриваются различные методы машинного обучения, включая как классические методы, так и нейронные сети, для прогнозирования риска инфаркта миокарда на основе данных BRFSS 2022. Также рассмотрены разнообразные методы предобработки данных. Эксперименты показали высокую эффективность моделей LightGBM и FCNN с точностью 0,948 и 0,943 соответственно, что подтверждает важность применения машинного обучения для ранней диагностики инфаркта миокарда | |
| dc.language.iso | ru | |
| dc.publisher | Минск : БГУ | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Биология | |
| dc.subject | ЭБ БГУ::ТЕХНИЧЕСКИЕ И ПРИКЛАДНЫЕ НАУКИ. ОТРАСЛИ ЭКОНОМИКИ::Медицина и здравоохранение | |
| dc.title | Разработка и сравнительный анализ моделей машинного обучения для прогнозирования риска инфаркта миокарда на основе данных массового медицинского опроса BRFSS 2022 UPDATE | |
| dc.title.alternative | Development and comparative analysis of MLMs for myocardial infarction risk prediction based on BRFSS 2022 data / E. S. Palto | |
| dc.type | conference paper | |
| dc.description.alternative | This paper examines various machine learning methods, including both classical algorithms and neural networks, for predicting the risk of myocardial infarction based on BRFSS 2022 data. Additionally, various data preprocessing techniques are explored. The experiments demonstrated high effectiveness of the LightGBM and FCNN models, achieving accuracies of 0.948 and 0.943, respectively, which underscores the significance of applying machine learning for the early diagnosis of myocardial infarction | |
| Располагается в коллекциях: | 2025. Информационные системы и технологии | |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 158-166.pdf | 367,04 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.