走在汽車革命的路上論文書籍站
東海大學 資訊工程學系 楊朝棟所指導 林彥如的 機器學習應用於心因性胸痛病人死亡預測與高齡人口跌倒預測 （2021），提出118i 2022關鍵因素是什麼，來自於機器學習、急診預測、跌倒預測、集成式學習。
機器學習應用於心因性胸痛病人死亡預測與高齡人口跌倒預測
為了解決118i 2022 的問題，作者林彥如 這樣論述：
近年來，深度學習與機器學習已經廣泛的應用在醫療行業。醫療技術逐漸科技化，使醫療結果的判斷更加的準確且節省人力成本與時間。醫療技術的科技化可以讓醫療人員有效的量測病人，本研究與台中榮民總醫院合作，主要透過機器學習對心因性胸痛急診病人與高齡人口跌倒做出預測，原始資料共有1101筆與302筆，透過將資料前處理切分為6:2:2的比例以及後續模型的訓練，訓練出高精準度的模組。實驗中使用AUC、Accuracy、Recall、Precision、F1-score等評估指標作為模型預測能力的量化標準實驗調整之依據。心因性胸痛急診病人死亡預測在Adaboost模型上準確率可達90\%，高齡人口跌倒預測在XG
Boost模型上準確率可達72.1\%。 透過 WordPress 與 PHP 等工具將結果呈現在網頁上，上傳數值資料後系統即會將預測的結果輸出以提供醫生進行參考，大大的減少了時間與人力成本。