相关实验视频
Updated: Jan 1, 2026
09:09
In Silico Clinical Trials for Cardiovascular Disease
Published on: May 27, 2022
1.7K
机器学习在心脏病预测中的全面评估和性能分析
Halah A Al-Alshaikh1, Prabu P2, Ramesh Chandra Poonia3
1Information Systems Department, College of Computer and Information Sciences, Imam Mohammad Ibn Saud Islamic University (IMSIU), 11432, Riyadh, Saudi Arabia.
Scientific reports
|April 3, 2024
概括
这项研究引入了用于心脏病预测的机器学习模型,达到95.5%的准确性. 该模型增强了心血管疾病诊断和患者护理结果.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 心脏病是全球主要的死亡原因.
- 准确的心血管疾病预测在临床数据分析中仍然是一个挑战.
研究的目的:
- 开发一种基于机器学习的强大心脏病预测方法 (ML-HDPM).
- 提高心血管疾病诊断的准确性和可靠性.
主要方法:
- 使用遗传算法 (GA) 和递归特征消除方法 (RFEM) 进行特征选择.
- 数据不平衡通过不足抽样聚类过量抽样方法 (USCOM) 来解决.
- 通过使用适应性大象群优化 (AEHOM) 训练的多层深卷积神经网络 (MLDCNN) 进行分类.
主要成果:
- 在关键指标上,ML-HDPM模型实现了高性能.
- 准确率:95.5% 准确率: 95.5% 准确率: 95.5% 准确率: 95.5% 准确率: 95.5%
- 精度:94.8% 的精度.
- 灵敏度 (回忆): 96.2% 的时间.
- F-分数:91.5% 的时间.
- 具体性: 89.7% 的特异性.
结论:
- ML-HDPM显示了改变心脏病预测的巨大潜力.
- 该模型可以帮助医疗保健从业人员提供精确的诊断.
- 这一进步可以显著影响患者护理结果.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
