相关实验视频
Updated: May 8, 2026
09:09
In Silico Clinical Trials for Cardiovascular Disease
Published on: May 27, 2022
2.2K
哈里斯·霍克斯基于优化的深度学习模型用于心脏病诊断
Isabella S1, Lokeshraja B1, Nithish Narayan M1
1School of Computing, SASTRA Deemed to be University, Thanjavur, Tamil Nadu, India.
Scientific reports
|November 3, 2025
概括
这项研究引入了用于早期心脏病预测的深度学习模型,利用K模式聚类和哈里斯霍克斯优化 (HHO) 进行特征选择. 门式反复单元 (GRU) 模型实现了88.03%的准确性,提供了高效的诊断解决方案.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 数据科学数据科学数据科学
背景情况:
- 心脏病是全球主要的健康问题,需要准确的早期诊断工具.
- 使用深度学习的预测建模为改善心血管疾病检测提供了一个有希望的途径.
研究的目的:
- 开发和验证基于深度学习的预测系统,用于早期心脏病诊断.
- 通过优化数据准备和特征选择,提高模型效率和准确性.
主要方法:
- 利用了心血管疾病数据集 (7万条记录).
- 采用K模式集群来进行数据优化和哈里斯·霍克斯优化 (HHO) 来进行特征选择.
- 实施和评估了各种深度学习架构,包括Gated Recurrent Unit (GRU).
主要成果:
- 格鲁模型实现了最高的预测准确率88.03%.
- 基于HHO的特征选择通过删除多余的特征来提高模型效率.
- 通过ROC曲线分析,使用精度,回忆,准确度和AUC得分来评估性能.
结论:
- 深度学习方法,结合HHO等先进的特征选择技术,对于早期发现心血管疾病非常有效.
- 开发的系统提供了一个高效的诊断解决方案,可用于各种健康应用.
