A Pilot Study of an Interpretable Machine Learning Model for Fetal Birth Weight Estimation: Standardizing Accuracy Across Sonographer Experience
Diese Pilotstudie zeigt, dass ein interpretierbares 30-Merkmals-Ridge-Regressionsmodell, das auf datenlecksfreien Daten trainiert wurde, die Genauigkeit der Vorhersage des Geburtsgewichts des Fötus signifikant verbessert und die Leistung über Sonografen unterschiedlicher Erfahrungsschritte hinweg im Vergleich zur traditionellen Hadlock-4-Formel standardisiert.