|
［1］ Rajkomar A， Dean J， Kohane I. Machine
learning in medicine［J］.N Engl J Med，2019，380（14）：1347-1358.
［2］ Stevens LM， Mortazavi BJ， Deo RC， et al. Recommendations for reporting machine learning analyses in
clinical research［J］.Circ Cardiovasc Qual
Outcomes，2020，13（10）：782-793.
［3］ González-Beltrán A， Li P， Zhao J， et al. From peer-reviewed to peer-reproduced in scholarly publishing： the
complementary roles of data models and workflows in bioinformatics［J］.PLoS One，2015，10（7）：1-20.
［4］ Miotto R， Wang F， Wang S， et al. Deep learning for healthcare： review， opportunities and challenges［J］.Brief Bioinform，2018，19（6）：1236-1246.
［5］ Jordan MI， Mitchell TM. Machine learning：trends， perspectives， and prospects［J］. Science，2015，349（6245）：255-260.
［6］ Hastie T， Tibshirani R， Friedman J. The
elements of statistical learning： data mining， inference， and prediction 2 nd ed［M］.New York，NY：Springer，2009.I-XXII：1-745.
［7］ Collins GS， Moons KGM， Dhiman P， et al. TRIPOD+AI statement： updated guidance for
reporting clinical prediction models that use regression or machine learning
methods［J］.BMJ，2024，385：1-14.
［8］ Betancur J， Commandeur F， Motlagh M， et al. Deep learning for prediction of obstructive disease from
fast myocardial perfusion SPECT： a multicenter study［J］.JACC Cardiovasc Imaging，2018，11（11）：1654-1663.
［9］ Bax JJ， van der Bijl P， Delgado V. Machine
learning for electrocardiographic diagnosis of left ventricular early diastolic
dysfunction［J］.J Am Coll Cardiol，2018，71（15）：1661-1662.
［10］ Narula S， Shameer K， Salem Omar AM， et al. Machine-learning algorithms to automate morphological and functional
assessments in 2D echocardiography［J］.J Am Coll Cardiol，2016，68（21）：2287-2295.
［11］ Masetic Z， Subasi A. Congestive heart failure detection using random forest
classifier［J］. Comput Methods
Programs Biomed，2016，130：54-64.
［12］ Alizadehsani R， Habibi J， Alizadeh Sani Z， et al. Diagnosing coronary artery disease via data mining
algorithms by considering laboratory and echocardiography features［J］.Res Cardiovasc Med，2013，2（3）：133-139.
［13］ Lahdenoja O， Hurnanen T， Iftikhar Z， et al. Atrial fibrillation detection via accelerometer and
gyroscope of a smartphone［J］.IEEE J Biomed Health Inform，2018，22（1）：108-118.
［14］ Venkatesan P， Yamuna NR. Treatment response classification in randomized clinical
trials： a decision tree approach［J］.Indian J Sci Technol， 2013，6（1）：3912-3917.
［15］ Cheng CA， Chiu HW. An artificial neural network model for the evaluation of
carotid artery stenting prognosis using a national-wide database［J］.Conf Proc IEEE Eng Med Biol Soc，2017，2017：2566-2569.
［16］ Mortazavi BJ， Downing NS， Bucholz EM， et al. Analysis of machine learning techniques for heart failure
readmissions［J］.Circ Cardiovasc Qual
Outcomes，2016，9（6）：629-640.
［17］ Austin PC， Tu JV， Ho JE， et al. Using methods
from the data-mining and machine-learning literature for disease classification and prediction： a case study examining classification of heart failure subtypes［J］.J Clin Epidemiol，2013，66（4）：398-407.
［18］ Kao DP， Lewsey JD， Anand IS， et al. Characterization of subgroups of heart failure patients with
preserved ejection fraction with possible implications for prognosis and
treatment response［J］.Eur J Heart Fail，2015，17（9）：925-935.
［19］ Huang C， Murugiah K， Mahajan S， et al. Enhancing the prediction of acute kidney injury risk after
percutaneous coronary intervention using machine learning techniques： a retrospective cohort study［J］.PLoS Med，2018，15（11）：1-20.
［20］ 谷鸿秋，王俊峰，章仲恒，等.临床预测模型：模型的建立［J］.中国循证心血管医学杂志，2019，11（［3］1）：14-16，23.
［21］ 周志华.机器学习［M］.北京： 清华大学出版社，2016：24-28.
［22］ Hasni N. Critical review on
the contribution of machine learning to health science［J］.Web3 Journal： ML
in Health Science，2024，1（2）：1-9.
［23］ Muhammad G， Sattar F， Ali Z. Insights of
machine learning into medical decision making systems：from research to practice［J］.IEEE J Biomed Health Inform，2024，28（4）：1801-1802.
|
