相关实验视频
Updated: Sep 17, 2025

In Silico Clinical Trials for Cardiovascular Disease
Published on: May 27, 2022
通过机器学习和优化技术,赋予女性心脏病发作治疗的权力
Doaa Sami Khafaga1, Marwa M Eid2, El-Sayed M El-Kenawy3
1Department of Computer Sciences, College of Computer and Information Sciences, Princess Nourah bint Abdulrahman University, P.O. Box 84428, Riyadh 11671, Saudi Arabia.
这项研究引入了一种优化的集体学习模型,用于在女性中准确检测心脏病发作. 新的水轮植物算法 (WWPA) 与随机碎形搜索 (SFS) 实现了97.01%的准确性,改善了心血管护理.
科学领域:
- 心血管医学 心血管医学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 由于独特的症状表现和生理学,女性的心脏病发作诊断往往会延迟或不正确.
- 现有的诊断模型需要优化,以解决心血管疾病的性别差异.
研究的目的:
- 开发和验证一个优化的集体学习模型,以提高女性心脏病发作分类准确度.
- 整合新的优化算法,以提高心血管保健的诊断性能.
主要方法:
- 使用投票分类器结合水轮工厂算法 (WWPA) 和随机分数搜索 (SFS) 的集合学习方法.
- 集成多个机器学习分类器 (高斯的天真贝叶斯,随机森林,物流回归,SGD,SVC,决策树,k-NN).
- 对303名具有14个特征的患者的临床数据集进行评估,使用10倍交叉验证,ANOVA和Wilcoxon签名排名测试.
主要成果:
- 拟议的WWPA+SFS模型实现了最高的分类准确率97.01%.
- 该模型在多个试验中展示了强大的性能和低差异.
- 性能优于其他优化算法,包括GWO,WOA,PSO和GA.
结论:
- WWPA+SFS组合学习模型显著优化了女性心脏病发作检测准确度.
- 这种方法有可能减少误诊率,降低医疗保健成本,并推进个性化心血管治疗.
更多相关视频
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
04:24A Novel Digital Platform for a Monitored Home-based Cardiac Rehabilitation Program
Published on: April 19, 2019
相关概念视频
Angina V: Nursing Management
Cardiomyopathy III: Hypertrophic Cardiomyopathy
Heart Failure V: Medical Management
Cardiomyopathy V: Interprofessional Care
Heart Failure I: Introduction
Heart Failure VI: Adjunct Therapies