Дослідження, проведені в галузі медицини, стосуються важливої теми, інтерес до якої з кожним роком зростає. Дослідження було зосереджено на прогнозуванні початку інсульту, стану, що становить серйозний ризик для здоров'я та життя людей. Використання надзвичайно незбалансованого набору даних стало проблемою для розробки моделей машинного навчання, здатних ефективно передбачати випадки інсульту. Серед розглянутих моделей модель Random Forest продемонструвала найбільш багатообіцяючу продуктивність, досягнувши 90% показників точності, запам’ятовування та оцінки F1. Ці висновки можуть бути корисними для медичних працівників, які займаються діагностикою та лікуванням інсульту.
[1] Abedi V., Avula V., Chaudhary D., Shahjouei S., Khan A., Griessenauer C. J., Li J., Zand R. Prediction of Long-Term Stroke Recurrence Using Machine Learning Models. Journal of Clinical Medicine. 2021. Vol. 10, № 6. С. 1286. https://doi.org/10.3390/jcm10061286
[2] Melnykova N., Chereshchuk L. Application of machine learning methods for predicting the risk of stroke occurrence. Proceedings of the VI International Scientific and Practical Conference. Sofia, Bulgaria. 2023. pp. 210-216. International Science Group, 2023. ISBN 9798891451926.
[3] Ashrafuzzaman Md., Saha S., Nur K. Prediction of Stroke Disease Using Deep CNN Based Approach. Journal of Advances in Information Technology. 2022. Vol. 13, № 6. https://doi.org/10.12720/jait.13.6.604-613
[4] Sun X. Predictive model analysis of stroke disease based on machine learning. SPIE, 2023. https://doi.org/10.1117/12.2669554
[5] Preferred Reporting Items for Systematic Reviews and Meta-Analyses. 2023.
[6] Biswas N., Uddin K. M. M., Rikta S. T., Dey S. K. A comparative analysis of machine learning classifiers for stroke prediction: A predictive analytics approach. Healthcare Analytics. 2022. Vol. 2. С. 100116. https://doi.org/10.1016/j.health.2022.100116
[7] Mostafa S. A., Elzanfaly D. S., Yakoub A. E. A Machine Learning Ensemble Classifier for Prediction of Brain Strokes. International Journal of Advanced Computer Science and Applications (IJACSA). 2022. Vol. 13,№ 12. https://doi.org/10.14569/IJACSA.2022.0131232
[8] Sailasya G., Kumari G. L. A. Analyzing the Performance of Stroke Prediction using ML Classification Algorithms. International Journal of Advanced Computer Science and Applications (IJACSA). 2021. Vol. 12, № 6. https://doi.org/10.14569/IJACSA.2021.0120662
[9] Khan M. K. Computer Science and Engineering.
[10] Uchida K., Kouno J., Yoshimura S., Kinjo N., Sakakibara F., Araki H., Morimoto T. Development of Machine Learning Models to Predict Probabilities and Types of Stroke at Prehospital Stage: the Japan Urgent Stroke Triage Score Using Machine Learning (JUST-ML). Translational Stroke Research. 2022. Vol. 13, № 3. С. 370–381. https://doi.org/10.1007/s12975-021-00937-x
[11] Mezher M. A. Genetic Folding (GF) Algorithm with Minimal Kernel Operators to Predict Stroke Patients. Applied Artificial Intelligence. 2022. Vol. 36, № 1. С. 2151179. https://doi.org/10.1080/08839514.2022.2151179
[12] Tegistu B. S. Brain stroke prediction model using deep neural network (dnn). 2021.
[13] Pitchai R., Dappuri B., Pramila P. V., Vidhyalakshmi M., Shanthi S., Alonazi W. B., Almutairi K. M. A., Sundaram R. S., Beyene I. An Artificial Intelligence-Based Bio-Medical Stroke Prediction and Analytical System Using a Machine Learning Approach. Computational Intelligence and Neuroscience. 2022. P. e5489084. https://doi.org/10.1155/2022/5489084
[14] Rohit A. P. V., Chowdary M. U., Ashish G. B. S., Anitha V., Sana S. Ml approach for brain stroke prediction using ist database. 2022. Vol. 7, № 10. https://doi.org/10.33564/IJEAST.2023.v07i10.008
[15] Telu V., Padimi V., Ningombam D. D. Optimizing Predictions of Brain Stroke Using Machine Learning. Journal of Neutrosophic and Fuzzy Systems. 2022. Vol. 2. С. 31–43. https://doi.org/10.54216/JNFS.020203
[16] DataHack : Biggest Data hackathon platform for Data Scientists.