A concatenation approach-based disease prediction model for sustainable health care system

Скорочена інформація про документ
dc.contributor.authorTharageswari, K.
dc.contributor.authorSundaram, N. Mohana
dc.contributor.authorSanthosh, R.
dc.date.accessioned2023-12-13T19:23:33Z
dc.date.available2023-12-13T19:23:33Z
dc.date.issued2023
dc.description.abstractAbstract. In the present world, due to many factors like environmental changes, food styles, and living habits, human health is constantly affected by different diseases, which causes a huge amount of data to be managed in health care. Some diseases become life-threatening if they are not cured at the starting stage. Thus, it is a complex task for the healthcare system to design a well-trained disease prediction model for accurately identifying diseases. Deep learning models are the most widely used in disease prediction research, but their performance is inferior to conventional models. In order to overcome this issue, this work introduces the concatenation of Inception V3 and Xception deep learning convolutional neural network models. The proposed model extracts the main features and produces the prediction result more accurately than traditional predictive models. This work analyses the performance of the proposed model in terms of accuracy, precision, recall, and f1-score. It compares the proposed model to existing techniques such as Stacked Denoising Auto-Encoder (SDAE), Logistic Regression (LR), MLP, MLP with attention mechanism (MLP-A), Support Vector Machine (SVM), Multi Neural Network (MNN), and Hybrid Convolutional Neural Network (CNN)-Random Forest (RF).uk
dc.description.abstractotherАнотація. У сучасному світі внаслідок багатьох факторів, таких як зміни навколишнього середовища, стилі харчування та життєві звички, на здоров’я людей постійно впливають різні захворювання, що призводить до того, що в системі охорони здоров’я потрібно керувати величезною кількістю даних. Деякі захворювання створюють небезпеку для життя, якщо їх не вилікувати на початковій стадії. Для системи охорони здоров’я це робить складним завданням розробити добре навчену модель прогнозування захворювань для точної їх ідентифікації. Моделі глибокого навчання найбільш широко використовуються в дослідженнях прогнозування захворювань, але їх продуктивність поступається звичайним моделям. Щоб вирішити цю проблему, у роботі подано конкатенацію моделей згорткових нейронних мереж глибокого навчання Inception V3 і Xception. Запропонована модель виділяє основні ознаки та створює результат прогнозу точніше, ніж інші традиційні моделі прогнозування. У роботі аналізується продуктивність запропонованої моделі з точки зору точності, прецизійності, запам’ятовування та F1-міра, порівнюються моделі з існуючими методами, такими як стековий автоматичний кодувальник (SDAE), логістична регресія (LR), MLP, MLP з механізмом уваги (MLP-A), опорна векторна машина (SVM), мультинейронна мережа (MNN), гібридна згорткова нейронна мережа (CNN), випадковий ліс (RF).uk
dc.format.pagerangePp. 81-95uk
dc.identifier.citationTharageswari, K. A concatenation approach-based disease prediction model for sustainable health care system / K. Tharageswari, N. Mohana Sundaram, R. Santhosh // Системні дослідження та інформаційні технології : міжнародний науково-технічний журнал. – 2023. – № 3. – С. 81-95. – Бібліогр.: 26 назв.uk
dc.identifier.doihttps://doi.org/10.20535/SRIT.2308-8893.2023.3.06
dc.identifier.issn1681–6048
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/63077
dc.language.isoenuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofСистемні дослідження та інформаційні технології: міжнародний науково-технічний журнал, № 3uk
dc.subjectfeature extractionuk
dc.subjectdisease predictionuk
dc.subjectdeep learninguk
dc.subjectInception V3uk
dc.subjectXceptionuk
dc.subjectвилучення функційuk
dc.subjectпрогнозування захворюваньuk
dc.subjectглибоке навчанняuk
dc.subject.udc62-50uk
dc.titleA concatenation approach-based disease prediction model for sustainable health care systemuk
dc.title.alternativeМодель прогнозування захворювання на основі підходу конкатенації для стійкої системи охорони здоров’яuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
267594-670498-1-10-20231105.pdf
Розмір:
338.69 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Системні дослідження та інформаційні технології: міжнародний науково-технічний журнал, № 3