FCM-DNN：基于高精度模糊C均值聚类模型的冠心病诊断
图像与视频处理
2022-03-01 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
心血管疾病是中老年人最具挑战性的疾病之一，致死率很高。冠状动脉疾病（CAD）被称为一种常见的心血管疾病。诊断CAD的标准临床工具是血管造影。其主要挑战是危险的副作用和高昂的血管造影费用。如今，基于人工智能的方法的发展是疾病诊断的一项宝贵成果。因此，本文开发了神经网络（NN）、深度神经网络（DNN）以及模糊C均值聚类结合深度神经网络（FCM-DNN）等人工智能方法，用于在心脏磁共振成像（CMRI）数据集上诊断CAD。原始数据集以两种不同的方式使用。首先，将带标签的数据集应用于NN和DNN以创建NN和DNN模型。其次，去除标签，通过FCM方法对无标签数据集进行聚类，然后将聚类后的数据集输入DNN以创建FCM-DNN模型。通过利用第二次聚类和建模，训练过程得到改善，从而提高了准确性。结果，所提出的FCM-DNN模型在指定10个聚类（即5个健康受试者聚类和5个患病受试者聚类）的情况下，通过10折交叉验证技术达到了99.91%的最佳准确率，而NN和DNN模型的准确率分别为92.18%和99.63%。据我们所知，尚未有研究使用人工智能方法在CMRI数据集上进行CAD诊断。结果证实，所提出的FCM-DNN模型对科学和研究中心有所帮助。
引用
@article{arxiv.2202.04645,
title = {FCM-DNN: diagnosing coronary artery disease by deep accuracy Fuzzy C-Means clustering model},
author = {Javad Hassannataj Joloudari and Hamid Saadatfar and Mohammad GhasemiGol and Roohallah Alizadehsani and Zahra Alizadeh Sani and Fereshteh Hasanzadeh and Edris Hassannataj and Danial Sharifrazi and Zulkefli Mansor},
journal= {arXiv preprint arXiv:2202.04645},
year = {2022}
}
备注
27 pages, 13 figures