清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

An enhanced grey wolf optimizer boosted machine learning prediction model for patient-flow prediction

计算机科学 水准点(测量) 支持向量机 人工智能 大数据 机器学习 随机森林 数据挖掘 大地测量学 地理
作者
Xiang Zhang,Bin Liu,L. Zhang,Zhifang Pan,Mei Liao,Huihui Shen,Zhang Li,Lei Liu,Zuxiang Li,Y. Hu,Zhihong Gao
出处
期刊:Computers in Biology and Medicine [Elsevier]
卷期号:163: 107166-107166 被引量:3
标识
DOI:10.1016/j.compbiomed.2023.107166
摘要

Large and medium-sized general hospitals have adopted artificial intelligence big data systems to optimize the management of medical resources to improve the quality of hospital outpatient services and decrease patient wait times in recent years as a result of the development of medical information technology and the rise of big medical data. However, owing to the impact of several elements, including the physical environment, patient, and physician behaviours, the real optimum treatment effect does not meet expectations. In order to promote orderly patient access, this work provides a patient-flow prediction model that takes into account shifting dynamics and objective rules of patient-flow to handle this issue and forecast patients' medical requirements. First, we propose a high-performance optimization method (SRXGWO) and integrate the Sobol sequence, Cauchy random replacement strategy, and directional mutation mechanism into the grey wolf optimization (GWO) algorithm. The patient-flow prediction model (SRXGWO-SVR) is then proposed using SRXGWO to optimize the parameters of support vector regression (SVR). Twelve high-performance algorithms are examined in the benchmark function experiments' ablation and peer algorithm comparison tests, which are intended to validate SRXGWO's optimization performance. In order to forecast independently in the patient-flow prediction trials, the data set is split into training and test sets. The findings demonstrated that SRXGWO-SVR outperformed the other seven peer models in terms of prediction accuracy and error. As a result, SRXGWO-SVR is anticipated to be a reliable and efficient patient-flow forecast system that may help hospitals manage medical resources as effectively as possible.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
10秒前
16秒前
ming发布了新的文献求助10
22秒前
加贝完成签到 ,获得积分10
23秒前
29秒前
Jack80发布了新的文献求助50
34秒前
完美世界应助ming采纳,获得10
39秒前
herpes完成签到 ,获得积分0
2分钟前
拓跋雨梅完成签到 ,获得积分0
2分钟前
可夫司机完成签到 ,获得积分10
2分钟前
2分钟前
ming发布了新的文献求助10
2分钟前
研友_Z119gZ完成签到 ,获得积分10
2分钟前
姚老表发布了新的文献求助100
2分钟前
3分钟前
ming发布了新的文献求助10
3分钟前
study00122完成签到,获得积分10
3分钟前
lhl完成签到,获得积分10
3分钟前
Wang完成签到 ,获得积分20
3分钟前
3分钟前
勤恳的雪卉完成签到,获得积分10
3分钟前
aniu完成签到,获得积分10
3分钟前
4分钟前
嘉欣博博发布了新的文献求助10
4分钟前
lovexa完成签到,获得积分10
4分钟前
嘉欣博博完成签到 ,获得积分20
4分钟前
大勺完成签到 ,获得积分10
4分钟前
人类繁殖学完成签到 ,获得积分10
4分钟前
blusky完成签到,获得积分10
4分钟前
南极的企鹅365完成签到 ,获得积分10
4分钟前
无名草0502完成签到 ,获得积分10
4分钟前
5分钟前
ming发布了新的文献求助10
5分钟前
完美世界应助yanzzz采纳,获得10
5分钟前
上官若男应助ming采纳,获得10
5分钟前
cyskdsn完成签到 ,获得积分10
5分钟前
菠萝包完成签到 ,获得积分10
5分钟前
Never stall完成签到 ,获得积分10
5分钟前
6分钟前
yanzzz发布了新的文献求助10
6分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052569
求助须知:如何正确求助?哪些是违规求助? 2709826
关于积分的说明 7418232
捐赠科研通 2354383
什么是DOI,文献DOI怎么找? 1245993
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921