基于人工智能的框架用于早期发现心脏病,使用增强的多层感知器
1Department of Computer Science and Artificial Intelligence, College of Computing and Information Technology, University of Bisha, Bisha, Saudi Arabia.
Frontiers in artificial intelligence
|January 27, 2025
概括
机器学习为检测心脏病提供了可靠的替代方案. 一个增强多层感知器 (EMLP) 模型实现了92%的准确性,超过了早期心脏病预测的传统方法.
科学领域:
- 心脏病学 心脏病学
- 机器学习 机器学习
- 医疗保健中的人工智能
背景情况:
- 心脏病是全球死亡的主要原因,手动检测方法面临局限性.
- 准确及时诊断心脏病对于预防心力衰竭和改善患者结果至关重要.
- 机器学习算法为克服传统心脏病检测的主观性和可变性提供了一个有希望的方法.
研究的目的:
- 引入一种新的增强多层感知器 (EMLP) 框架,以改善心脏病检测.
- 为了提高心脏病患者分类的预测准确度.
- 与现有方法相比,评估拟议的EMLP模型的有效性.
主要方法:
- 开发一种新的增强多层感知器 (EMLP) 框架.
- 实施数据精制技术以优化分类模型.
- 使用CDC心脏病数据集对EMLP模型的评估.
主要成果:
- 增强多层感知器 (EMLP) 模型实现了92%的分类准确性.
- 与传统的心脏病检测方法相比,拟议的框架显示出更高的性能.
- 在实验结果中,EMLP显示了更高的准确性,精度,F1得分和回忆.
结论:
- 增强多层感知器 (EMLP) 框架显示了早期检测和预测心脏相关疾病的巨大潜力.
- 这项研究强调了EMLP模型在准确识别心脏病的有效性.
- 这种机器学习方法提供了一个可靠的替代方案,通过及时诊断来提高患者的生存率.
