相关实验视频
Updated: Jun 14, 2026
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.0K
基于卷积神经网络和多层感知器的智能深度模型,用于对糖尿病患者的心脏异常进行分类
Monika Saraswat1, A K Wadhwani2, Sulochana Wadhwani2
1Department of Electrical Engineering, Madhav Institute of Technology & Science, Gwalior, M. P, 474005, India. 0901ee17pd01@mitsgwl.ac.in.
Physical and engineering sciences in medicine
|June 20, 2024
概括
机器学习和深度学习模型可以使用心电图 (ECG) 自主检测糖尿病患者的心脏病. 这些先进的算法显示高精度,为心脏病诊断提供高效的医疗保健解决方案.
科学领域:
- 生物医学信号处理
- 医疗保健中的人工智能
- 心脏病学 心脏病学
背景情况:
- 电心电图 (ECG) 对于诊断心脏病至关重要,但需要专家解释.
- 糖尿病患者患心脏病的风险更高,需要准确及时诊断.
研究的目的:
- 开发和评估机器学习 (ML) 和深度学习 (DL) 模型,用于在糖尿病患者中自主识别心脏病.
- 评估多层感知器 (MLP) 和卷积神经网络 (CNN) 模型在心电图分析中的性能.
主要方法:
- 使用PTB-诊断ECG数据集进行培训和验证.
- 开发了一个有两个隐藏层的MLP模型和一个三层深深的CNN模型.
- 使用这些模型从心电图数据中自动分类心脏病状况.
主要成果:
- MLP模型达到高达90.0%的准确率,而深度CNN模型达到98.35%的准确率.
- 在CNN模型中,高灵敏度 (95.77%) 和特异性 (96.3%),F1-Score为95.84%.
- 这两种模型都在区分心脏病状况方面表现出显著的有效性.
结论:
- 深度学习方法,特别是CNN,对于在糖尿病患者中自动使用心电图进行心脏病诊断非常有效.
- 这些自动化系统为心脏病学中的准确,高效和可访问的医疗保健解决方案提供了潜力.
