• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Respiratory Research >Diagnosis of ventilator-associated pneumonia using electronic nose sensor array signals: solutions to improve the application of machine learning in respiratory research
【2h】

Diagnosis of ventilator-associated pneumonia using electronic nose sensor array signals: solutions to improve the application of machine learning in respiratory research

机译：使用电子鼻传感器阵列信号诊断呼吸机相关性肺炎：改进机器学习在呼吸研究中的应用的解决方案

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Flow diagram of this study. The diagram shows our standardized procedures of data collection, data preparation, model building, model evaluation, and model improvement. When the pathogens are colonized in the lung, they will release volatile organic compounds in the breath. We collected the breath from the endotracheal tube and then analyzed the sensor arrays of an electronic nose. The electric resistance changes of sensors were first normalized and autoscaled. Then, we randomly split subjects into a training set and a testing set. We used eight machine learning algorithms to estimate diagnostic accuracy. The parameters of the algorithms are selected with bootstrapping methods. The optimized models were then applied to the testing set to assess the accuracy of the breath test
机译：这项研究的流程图。该图显示了我们标准化的数据收集，数据准备，模型构建，模型评估和模型改进过程。当病原体在肺中定植时，它们将在呼吸中释放挥发性有机化合物。我们从气管插管收集了呼吸，然后分析了电子鼻的传感器阵列。首先将传感器的电阻变化归一化并自动缩放。然后，我们将受试者随机分为训练集和测试集。我们使用了八种机器学习算法来估计诊断准确性。通过自举方法选择算法的参数。然后将优化的模型应用于测试集以评估呼气测试的准确性

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号