机构名称：
¥ 1.0
机器学习提供了适合探索各种医学研究问题的多种技术，但具有凝聚力的协同框架可以促进对统一模型开发和解释中新方法的整合和理解。因此，我们引入了医学人工智能工具箱（MAIT），这是一种可解释的开源Python管道，用于在表格数据集上开发和评估二进制分类，回归和生存模型。MAIT解决了关键挑战（例如，高维度，类不平衡，混合变量类型和缺失），同时促进报告中的透明度（Tripod+AI兼容）。为初学者提供自动配置，并为专家提供可自定义的源代码，MAIT简化了两个主要用例：Discovery（通过统一评分通过统一评分的特征重要性，例如Shapley添加性解释 - Shap -Shap）和预测（模型开发和使用具有优化解决方案的模型开发和部署）。此外，MAIT提出了新技术，包括对二进制分类中概率阈值的微调，将累积危险曲线转换为二进制分类的翻译，对混合数据类型的模型解释的增强可视化以及通过半纯粹的学习进行审查，以适应广泛的数据约束和研究设计。我们使用四个开放访问数据集在GitHub上提供详细的教程，以证明如何使用MAIT来改善医学研究中ML模型的实施和解释。
医疗人工智能工具箱（MAIT）
主要关键词
相关文件推荐
