医疗物联网启用多模式框架:深度机器学习用于医疗保健中的慢性心脏病预测 5.0
Rabia Javed1, Tahir Abbas2, Ali Sayyed3
1Department of Computer Science TIMES University Multan Pakistan.
这项研究使用心电图 (ECG) 图像的深度学习来检测多种心脏病,实现早期诊断的高准确性和改善心血管疾病管理中的患者护理.
科学领域:
- 心脏病学 心脏病学
- 医疗保健中的人工智能
- 医学成像分析 医学成像分析
背景情况:
- 慢性心脏病是全球死亡的主要原因之一.
- 早期和准确的诊断对于有效的管理至关重要.
- 尽管技术进步,但当前的诊断方法面临着挑战.
研究的目的:
- 开发和评估一种深度学习模型,用于使用心电图像对多种心脏病进行分类.
- 为了提高心血管疾病诊断的准确性和及时性.
- 利用医疗物联网 (IoMT) 来改善心脏护理.
主要方法:
- 使用卷积神经网络 (CNN) 来进行图像分类.
- 采用了各种ECG图像数据集,包括异常心跳 (ANHB),心肌梗塞 (MI),心肌梗塞史 (HOMI),心室小心脏阻塞 (AHB),COVID-19,高性心肌病 (HMI) 和正常.
- 开发了一种多式联网CNN模型,整合了来自两个数据集的不同图像分辨率.
主要成果:
- 实现了97.18%的培训准确率和94.34%的验证准确率.
- 多式联络模型显示,可以更好地识别心脏不规则.
- 该模型通过结合各种ECG数据提供了全面的诊断方法.
结论:
- 拟议的CNN模型显示了早期检测慢性心脏病的巨大潜力.
- 这种方法可以支持个性化治疗规划,并改善患者的治疗结果.
- 整合不同的心电图数据源可以加强对心脏病的诊断能力.
更多相关视频
09:34A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data
Published on: September 25, 2021
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
相关概念视频
Chronic Obstructive Pulmonary Disease
Smoking is a primary risk factor for COPD, with over 80% of patients having a history of it. Patients typically experience progressive dyspnea or labored breathing, frequent coughing, and recurrent pulmonary infections. Many eventually succumb to respiratory failure, characterized by...
Chronic Kidney Disease I: Introduction
Rheumatic Heart Disease III: Medical Management
Chronic Obstructive Pulmonary Disease-I: Introduction
Chronic Obstructive Pulmonary Disease-V: Management
Smoking Cessation
Chronic Kidney Disease II: Clinical Manifestations
