分数Quokka群群优化启用了物联网的层次卷积神经网络驱动的心脏病检测和监测
Kancherla Santoshi1, Subhani Shaik1, Ajit Kumar Rout2
1Department of Computer Science and Engineering, Gandhi Institute of Engineering and Technology University, Gunupur, Odisha 765022, India.
Computational biology and chemistry
|December 24, 2025
概括
一个新的可启用 Fractional Quokka Swarm Optimization 的层次卷积神经网络 (FQSO_HCNN) 模型提高了心脏病检测的准确性. 这种先进的方法通过有效分析复杂的患者数据,提高了早期干预并降低了死亡率.
科学领域:
- 心脏病学和人工智能的人工智能
- 医疗信息学和机器学习
背景情况:
- 心脏病是全球主要的死亡原因,需要先进的检测方法.
- 现有的模型与异质数据和复杂的生理信号关系作斗争.
- 早期和准确的心脏病检测对于减少死亡率和医疗负担至关重要.
研究的目的:
- 引入一个新的可启用 Fractional Quokka Swarm Optimization 的层次卷积神经网络 (FQSO_HCNN),用于增强心脏病检测.
- 开发医疗物联网 (IoMT) 系统,以安全地收集和处理患者数据.
- 提高心脏病自动诊断的准确性和效率.
主要方法:
- 使用双重规范化和与MobileNet.Net的功能融合进行数据预处理.
- 用自适应合成采样 (ADASYN) 解决阶级不平衡问题.
- 采用由 Fractional Quokka Swarm Optimization (FQSO) 优化的层次卷积神经网络 (HCNN) 来进行检测.
主要成果:
- 在心脏病数据库中,FQSO_HCNN模型实现了高性能.
- 关键指标包括0.946的马修斯相关系数 (MCC),准确率为96.52%,真正率 (TPR) 为95.78%.
- 该模型在临床数据中模拟复杂,非线性关系方面表现出卓越的能力.
结论:
- 拟议的FQSO_HCNN模型在自动心脏病检测方面取得了重大进展.
- 基于IoMT的系统为实时健康监测提供了一个安全高效的平台.
- 这项研究强调了先进的人工智能技术在改善心血管疾病管理方面的潜力.
