Vorhersage von Leberzirrhose durch maschinelles Lernen

Die Sterblichkeitsrate in Indien ist aufgrund von Leberzirrhose als Folge eines schlechten Lebensstils, der Lagerung von Lebensmitteln, unkontrolliertem Blutzucker, Fettleibigkeit, Rauchen, Alkoholkonsum und dem Einatmen schädlicher Gase hoch. Eine frühzeitige Erkennung kann die Sterblichkeitsrate senken und hilft den Ärzten, die Patienten angemessen zu behandeln. Die Leberzirrhose-Datensätze werden mit Hilfe von Algorithmen des maschinellen Lernens analysiert, um eine genaue Diagnose der Krankheit zu ermöglichen. In dieser Arbeit werden vier maschinelle Lernmodelle wie SVM, Random Forest, Entscheidungsbaum und Naive Bayes für die Analyse und Vorhersage von Leberzirrhose vorgeschlagen. In dieser Arbeit werden 200 Bilder von zwei verschiedenen Klassen, d.h. gesunde und ungesunde Leber, mit Hilfe einer Bildquelle gesammelt. Bei dieser Bildquelle handelt es sich um MedPix1, ein kostenloses, frei zugängliches Archiv mit digitalen Fotos, das von medizinischen Fakultäten, Ärzten und Wissenschaftlern genutzt werden kann. Die Methodik liefert gute Ergebnisse für die verschiedenen Klassifikatoren, kann aber noch verbessert werden. Es zeigt sich, dass die Klassifikatoren Support Vector Machine und Random Forest eine Klassifizierungsgenauigkeit von 100 % erreichen, gefolgt von Entscheidungsbäumen mit 84,61. Die erzielten Ergebnisse sind im Vergleich relativ gut.