Методы искусственного интеллекта в медицинских задачах классификации и регрессии

      Аннотация: Издание посвящено применению методов анализа данных в медицинских исследованиях. Рассмотрено использование как традиционных многомерных методов, так и современных методов машинного обучения, являющихся составной частью искусственного интеллекта. Изложение ведется на примерах общедоступных в Интернете датасет (https://www.kaggle.com) медицинского характера, что облегчит понимание материала медиками и даст возможность читателю повторить приведенные результаты расчетов. Освещены методы машинного обучения Data Mining пакета STATISTICA: деревья решений – Общие деревья классификации и регрессии, Общие CHAD модели, Интерактивные деревья, Бустинг деревьев классификации и регрессии, Случайный лес регрессии и классификации; процедуры обучения – методы Опорных векторов, k-ближайших соседей, Байесовский классификатор; Автоматизированные нейронные сети; Кластерный анализ. Описана технология работы с мастером проектов Data Miner.
      Методы машинного обучения открывают новые перспективы в создании медицинских систем поддержки принятия решений, интегрированных с искусственным интеллектом. Обработка и анализ средствами компьютерного зрения изображений, полученных рентгеновским оборудованием, томографами ускорят диагностику заболеваний, повысят ее точность. Прогностические модели, построенные на основе выявленных скрытых знаний в массивах медицинских данных, повысят качество идентификации заболеваний, оценки состояний больных, рисков, предсказаний развития и распространения заболеваний, эпидемий.