神经网络诊断心脏疾病

心脏模型
信贷:Unsplash / CC0公共领域

深神经网络可用于冠心病临床心脏病特性进行分类,根据最新发表的工作国际期刊的动力系统和微分方程。

d . Rajeswari和k Thangavel Periyar大学计算机科学系的萨勒姆,印度,解释说是一个在全球范围内导致死亡的主要原因。疾病的早期检测,可以及时的干预措施,可以降低病人的心脏衰竭的风险。为此,这个团队开发了一种使用处理非侵入性的临床资料。

网络训练在许多已知的情况下可以识别相关的特点提供数据时从一个新的病人和预后提供,否则仍隐藏没有主要的入侵,调查工作。冠状动脉疾病患者出现各种症状包括胸痛,而且疲劳、气短、头晕,肩膀疼痛。一个临床诊断比较复杂,通常需要心电描记法,生物医学实验室测试中,病人的压力和跑步机测试。一个更简单的方法,可以用来评估患者迅速是十分必要的。

研究人员测试了他们的系统对Z-Alizadeh萨尼数据集保存在存储库在加州大学欧文分校。结果表明,分类器将极大地提高预测精度,在近76%相比,一个著名的再分类器方法。结果结合其他现成的临床资料和随访病人可以用来获得一个所以可能拯救许多人的生命。


进一步探索

PET / CT的人工智能模型适合预测未来心脏病发作的风险

更多信息:d . Rajeswari et al,冠状动脉疾病分类使用深层神经网络,从临床心脏病特征国际期刊的动力系统和微分方程(2022)。DOI: 10.1504 / IJDSDE.2022.123413
所提供的Inderscience
引用:神经网络诊断心脏疾病(2022年6月30日)2022年7月17日从//www.pyrotek-europe.com/news/2022-06-neural-network-heart-disease.html检索
本文档版权。除了任何公平交易私人学习或研究的目的,没有书面许可,不得部分复制。内容只提供信息的目的。
2股票

反馈给编辑