Previsione della cirrosi epatica con l'apprendimento automatico

Il tasso di mortalità in India è elevato a causa della cirrosi epatica, dovuta a uno stile di vita scorretto, alla conservazione del cibo, alla glicemia non controllata, all'obesità, al fumo, al consumo di alcol e all'inalazione di gas nocivi. Una diagnosi precoce può ridurre il tasso di mortalità e aiuta i medici a somministrare ai pazienti un trattamento adeguato. I set di dati sulla cirrosi epatica vengono analizzati utilizzando algoritmi di apprendimento automatico per una diagnosi accurata della malattia. Questo lavoro ha proposto quattro modelli di apprendimento automatico come SVM, Random Forest, Decision Tree e Naive Bayes per l'analisi e la previsione della cirrosi epatica. Questo lavoro raccoglie 200 immagini di due classi distinte, cioè fegato sano e fegato non sano, utilizzando una fonte di immagini. Questa fonte di immagini è MedPix1, un archivio gratuito ad accesso libero di fotografie digitali che può essere utilizzato da scuole di medicina, medici e accademici. La metodologia ha ottenuto un buon risultato per i vari classificatori, ma può ancora essere migliorata. È emerso che i classificatori Support vector machine e Random forest hanno ottenuto un punteggio di accuratezza di classificazione del 100%, seguiti dagli alberi decisionali che hanno ottenuto un punteggio di 84,61. I risultati ottenuti sono relativamente buoni se confrontati.