帕金森病使用语音作为生物标志物 介绍 帕金森病是一种神经退行性疾病。 帕金森病患者经常会出现僵硬、颤抖、协调困难，并且随着疾病的进展，它开始影响语言的各个方面。 具体而言，通常受帕金森氏病影响的言语方面是声音低下（音量降低）、构音障碍（发音困难）和单调（音调范围减小）。 目前，帕金森病不能通过单一测试来诊断。 诊断基于病史、症状以及神经系统和身体检查，这些检查都在很大程度上基于运动功能。 然而，在帕金森病的早期阶段，很难发现运动缺陷，因为它们可能并不严重。 使用替代生物标志物，例如语言方面，可能有助于早期诊断。 小等人。 (2007) 通过评估两种测量语音方面的新方法（复发概率密度熵 (RPDE) 和去趋势波动分析 (DFA)）是否有助于区分患有和不患有帕金森病的参与者来研究该主题。 研究结果表明，这些新方法能够比传统的评估语言方面的方法更好地对患有和不患有帕金森病的个体进行分类。 这

心脏疾病预测因子 根据疾病预防控制中心（CDC）的报告，心脏病是美国的主要死亡原因。 如果我们在心脏病变得严重之前就尝试诊断，那岂不是很棒吗？ 我的模型根据患者的医疗报告预测患者是否患有心脏病。 下载数据集 此数据集来自UCI机器学习，可在此处下载： : 数据集细节 在数据中，将为您提供几个属性： 年龄 性别 胸痛类型（4个值） 静息血压 血清胆固醇，mg / dl 空腹血糖> 120 mg / dl 静息心电图结果（值0、1、2） 达到最大心率 运动性心绞痛 oldpeak =运动引起的相对于休息的ST抑郁 最高运动ST段的斜率 萤光显色的主要血管数目（0-3） thal：3 =正常； 6 =固定缺陷； 7 =可逆缺陷 算法 这是一个分类问题（二进制分类），其结果可以解释为0和1（0 =无心脏病，1 =有心脏病）。 我使用了两种方法：使用Keras的和。 我的神经网络涉及

matlab精度检验代码ML_Heart_Disease_Project 内容 先决条件 Matlab版本2018a 统计和机器学习工具箱 神经网络工具箱 可以使用以下内容，但如果不存在，则将其跳过： 并行计算工具箱（用于优化设备的随机森林计算） 深度学习工具箱（需要绘制混淆图） 资料夹 load_heart_csv.m 从当前目录加载包含名为heart.csv的心脏数据的数据文件，并将数据拆分为训练集和测试集，返回训练集和测试集以及cvpartition对象的标签和功能。 该脚本修复了随机种子，因此交叉验证分区以及测试和训练数据的划分是确定性的，以允许可重复性。 探索性数据分析（EDA文件夹） boxpolts.m 生成用于分类预测变量特征的箱线图和显示分类数据频率值的条形图 EDA.ipynb 对数据执行基本的探索性分析，并生成要素之间相关性的热图。 NB调整文件夹 Run_NB_Analysis.m 这是在朴素贝叶斯模型上运行实验的顶级脚本。 该脚本运行贝叶斯优化和网格搜索，以测试正态分布和内核分布并优化所有功能上的内核宽度。 还运行手动网格搜索，其中对连续要素尝试了分布的所有组

预测疾病传播 包装方式： numpy，pandas 型号： RandomForestRegressor，DecisionTreeRegressor，GradientBoostingRegressor 版本： python 3.0 数据集： :

CNN的眼病识别 从一个滑稽的挑战开始：使用卷积神经网络从眼底图像识别眼部疾病 深度学习项目 可用于模型训练和评估的代码 借助Grad-CAM增强了模型的可解释性

论文RWRMD A predicting novel human microRNA-disease associations的ppt

多类别心脏疾病预测 使用ANN进行多个类别的心脏病预测

毫升心脏疾病 使用随机森林进行心脏病预测和分析

编写了 Matlab 代码以将叶子分类为以下类型之一：'Alternaria Alternata'、'Anthracnose'、'Bacterial Blight'、'Cercospora Leaf Spot' 和 'Healthy Leaves'。 分类由 Multiclass SVM 完成（一对一） 怎么跑？？ 1.将文件夹'Leaf_Disease_Detection_code'放在Matlab路径中，并将所有子文件夹添加到该路径中2. 运行 DetectDisease_GUI.m 3.在GUI中，单击“加载图像”，然后从Manu's Disease数据集中加载图像，单击“增强对比度”。 4. 接下来点击Segment Image，然后输入包含ROI的cluster no，即只有疾病受影响的部分或健康的部分5. 点击分类结果。 然后测量准确性（在这种情况下是健康与所有疾病）。 代码

心脏疾病分类器 使用多种ML算法（包括神经网络）的心脏病分类器！