l35倒叉電子的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

應用人工智慧於睡眠呼吸中止症患者罹患肺炎之評估研究

為了解決l35倒叉電子的問題，作者李政東 這樣論述：

　　全球每年約有4.5億人罹患肺炎約占全球人口的7%，在2000年初期，抗體和疫苗的發明使患者存活率提升，而開發中國家居民與慢性疾病患者，肺炎仍然是嚴重的主要死因。根據報導阻塞性睡眠呼吸暫停患者在睡眠呼吸中止時，通常會持續20到40秒，且期間具有更高風險導致免疫系統感染使病人易受病原體入侵增加肺炎的風險，研究分析顯示睡眠呼吸暫停患者罹患肺炎發生率較高。本研究以醫療機構提供睡眠呼吸中止病患為研究對象，透過文獻探討與分析，篩選出相關之重要因子後，運用基因邏輯斯迴歸演算法、交叉熵演算法、粒子群最佳化演算法結合支援向量機、倒傳遞類神經網路與案例式推理技術，建構評估系統與預測模型，用以評估後續伴隨肺炎

的風險。研究中顯示睡眠呼吸中止症為罹患肺炎的危險因子，相關因子權重值排名前三名分別為慢性肺阻塞、肺結核、年齡，根據睡眠呼吸中止症患者相關之因子權重值越高，影響罹患肺炎的風險也越高。本研究中6個預測模型平均準確度皆達87%且Roc曲線下面積達0.85以上，模型透過傅利曼檢定發現皆有顯著差異，並經由T檢定分析得到以粒子群最佳化演算法結合支援向量機之ACC與AURC值為最高，分別為90.7%與0.88。　　在CBR案例式評估系統中建立3個評估模型，經傅利曼檢定有顯著差異，其中粒子群最佳化演算法結合案例式推理系統之平均ACC與AURC分別為88.68%與0.8564為最佳。本研究以測試案例之驗證系統，

可提供醫療機構、患者與臨床工作者做為輔助診斷與評估之參考依據。