Overview

Choroby sercowo-naczyniowe (CVD) pozostają glówną przyczyną zgonów na calym świecie, co podkreśla potrzebę ich wczesnego wykrywania. Niniejsze badanie przedstawia oparte na uczeniu maszynowym ramy wykrywania CVD przy użyciu sygnalów EKG, koncentrując się na ulepszonej selekcji cech. System integruje filtr oparty na szybkiej korelacji (FCBF), minimalną redundancję maksymalnej istotności (mRMR), odciążenie i optymalizację roju cząstek (PSO) w celu zidentyfikowania najbardziej odpowiednich i nie zbędnych cech. FCBF usuwa nadmiarowe dane, mRMR wybiera kluczowe istotne cechy, Relief szereguje cechy na podstawie ich mocy rozróżniania klas, a PSO optymalizuje ostateczny zestaw cech. Klasyfikacja jest przeprowadzana przy użyciu klasyfikatorów Extra Trees i Random Forest, znanych z wysokiej dokladności i odporności na nadmierne dopasowanie. Polączony model osiągnąl 100% wskaźnik dokladności w różnych zestawach danych, przewyższając istniejące metody i wykazując doskonalą wydajnośc w wyborze cech i klasyfikacji. Ta struktura ma duży potencjal, aby poprawic wczesną diagnozę CVD i usprawnic podejmowanie decyzji klinicznych.

Full Product Details

9786208480035

Table of Contents

Reviews

Author Information

Tab Content 6

Countries Available