机构名称：
¥ 2.0
医疗保健欺诈是一项全球财务挑战，影响了经济稳定和对服务的信任，传统的机器学习模型努力准确地捕捉其复杂性和适应性。这项研究研究了三种深度学习（DL）模型的应用，即人工神经网络（ANN），卷积神经网络（CNN）和长期记忆网络（LSTM）在医疗保健欺诈检测中的应用。本研究使用医疗保健索赔数据，包括患者人口统计数据，索赔金额，诊断代码和程序类型，以分析医疗保健服务的使用并确定欺诈活动。为了增强这些模型的可解释性，使用了局部解释的模型不足的解释（LIME）。评估结果表明，ANN是最佳性能，精度为0.94，精度为0.78，召回0.45，F1得分为0.57。尽管CNN在准确性上表现出色，但LSTM在减少虚假负面方面具有更大的影响。ANN的石灰显示了声称非伪造性的预测，高概率为0.96，而不是用“潜在抛弃”作为欺诈行为的0.03概率，作为驾驶指标，评估指标表明，它在正确识别欺诈性的情况下很好地表明，它很好。这项研究强调了将深度学习模型与可解释的AI（XAI）整合在一起的效果，这为医疗保健保险欺诈检测中不断增长的研究机构做出了贡献。
医疗保险欺诈检测的深度学习方法
主要关键词
相关文件推荐
