大規模言語モデルは、臨床現場での疾患診断に有効性を示しており、様々な疾患や医療データ、言語モデル手法、評価方法が検討されている。
ルーチンの血液検査値を用いた機械学習モデルにより、ウイルス性感染症と細菌性感染症を高い精度で鑑別できる。
本研究では、対数スパイラル法を用いて蛇最適化アルゴリズムの探索と活用のバランスを改善し、生存選択オペレーターを組み合わせることで、特徴選択プロセスの効率を高めている。これにより、医療データセットの分類精度を向上させ、選択された特徴数を最小化することができる。
深層強化学習を用いて、電子カルテデータから個別化された診断決定プロセスを学習し、ガイドラインを補完する。
本研究は、人工ニューラルネットワークを用いて貧血の診断と分類を行う手法を提案する。提案手法は、既存のモデルと比較して高精度かつ迅速な貧血検出を実現する。