一个高效的心血管疾病预测模型通过AI驱动的物联网技术

科学领域:

• 心血管健康的心血管健康
• 人工智能在医学中的应用
• 物联网 (IoT) 应用程序物联网 (IoT) 应用程序

背景情况:

• 诸如中风和心脏病发作等心血管疾病 (CVD) 对健康构成重大风险.
• 传统的CVD检测方法在早期干预和个性化方面可能受到限制.
• 物联网技术提供持续的健康监测和远程患者护理能力.

研究的目的:

• 利用人工智能 (AI) 驱动的物联网技术开发一种高效的心血管疾病预测模型.
• 介绍一种新的混青跳跃调节的代改进适应提升 (SF-IIAdaboost) 算法用于心血管疾病预测.
• 利用物联网设备的实时临床数据来提高诊断准确度.

主要方法:

• 使用物联网医疗传感器和可穿戴设备收集患者临床数据.
• 预处理的数据与Z-score规范化和使用内核主要组件分析 (Kernel-PCA) 提取的特征.
• 使用Python实现并评估了拟议的SF-IIAdaboost算法,将其性能与传统方法进行比较.

主要成果:

• 该SF-IIAdaboost模型实现了高性能指标:95.37%的准确度,93.51%的精度,94.3%的灵敏度,96.31%的特异性,95.72%的F-measure.
• 与传统的心血管疾病预测方法相比,表现优越.
• 验证了AI驱动的物联网数据集成对CVD预测的有效性.

结论:

• 拟议的SF-IIAdaboost算法与物联网数据集成,在心血管疾病预测方面取得了重大进展.
• 这种人工智能驱动的方法使得更早的干预和更个性化的患者治疗成为可能.
• 未来的工作将专注于边缘计算进行实时分析,进一步提高医疗保健的有效性和疾病预测.