基于MDCNN分类器的心脏病预测物联网框架
机器学习
2020-12-14 v1 人工智能
摘要
如今，心脏病是全球范围内的主要死亡原因。预测心脏病是一项复杂的任务，因为它需要经验以及高级知识。物联网（IoT）技术近来已被应用于医疗系统，以收集用于心脏病诊断和预测的传感器数值。许多研究者专注于心脏病的诊断，但诊断结果的准确率较低。为解决此问题，提出了一种物联网框架，利用改进的深度卷积神经网络（MDCNN）更准确地评估心脏病。附着在患者身上的智能手表和心脏监测设备监测血压和心电图（ECG）。MDCNN用于将接收到的传感器数据分类为正常和异常。通过将所提出的MDCNN与现有的深度学习神经网络和逻辑回归进行比较，分析了系统的性能。结果表明，所提出的基于MDCNN的心脏病预测系统优于其他方法。所提出的方法表明，在最大记录数下，MDCNN达到了98.2的准确率，优于现有分类器。
引用
@article{arxiv.2012.05999,
title = {An IoT Framework for Heart Disease Prediction based on MDCNN Classifier},
author = {Mohammad Ayoub Khan},
journal= {arXiv preprint arXiv:2012.05999},
year = {2020}
}
备注
AEHO; cuttlefish algorithm; MDCNN; IoT; Cleveland Dataset; Sensors; Wearable device; CAGR; Electrocardiogram; LSTM and CNN