Показать сокращенную информацию

Application of machine learning methods for the diagnosis of primary open-angle glaucoma based on multimodal data

dc.contributor.authorКалиниченко, А. В.
dc.date.accessioned2026-03-09T09:44:22Z
dc.date.available2026-03-09T09:44:22Z
dc.date.issued2025
dc.identifier.urihttps://rep.bsmu.by/handle/BSMU/58099
dc.descriptionКалиниченко, А. В. Применение методов машинного обучения для диагностики первичной открытоугольной глаукомы по мультимодальным данным/ А. В. Калиниченко ; науч. рук. Т. В. Качан // MedMinsk-2025 : сб. материалов междунар. науч.-практ. конф. студентов и молодых ученых до 35 лет, Минск, 18–19 дек. 2025 г. / М-во здравоохранения Респ. Беларусь, Бел. гос. мед. ун-т ; под ред. С. П. Рубниковича, М. Ю. Ревтовича. – Минск, 2025. – Вып. 2. – С. 957–961.ru_RU
dc.description.abstractДля диагностики первичной открытоугольной глаукомы разработаны модели машинного обучения: Decision Tree, Logistic Regression, Random Forest, XGBoost (на основе анализа 31 глаза с диагнозом ПОУГ и 34 здоровых глаза). Наиболее эффективной моделью оказалась Decision Tree.ru_RU
dc.description.abstractFor the diagnosis of primary open-angle glaucoma, machine learning models have been developed: Decision Tree, Logistic Regression, Random Forest, XGBoost (based on the analysis of 31 eyes diagnosed with POAG and 34 healthy eyes). The Decision Tree turned out to be the most effective model.
dc.language.isoruru_RU
dc.publisherБГМУru_RU
dc.titleПрименение методов машинного обучения для диагностики первичной открытоугольной глаукомы по мультимодальным даннымru_RU
dc.typeArticleru_RU
dcterms.titleApplication of machine learning methods for the diagnosis of primary open-angle glaucoma based on multimodal data


Файлы в этом документе

Thumbnail

Данный элемент включен в следующие коллекции

  • MedMinsk-2025 [213]
    науч.-практ. конф. студентов и молодых ученых до 35 лет, Минск, 18–19 дек. 2025 г.

Показать сокращенную информацию