基于深度神经网络检测心脏病的研究

心脏病是致死的首要原因，专家估计约一半的心脏病发作与中风发生在未被标记为“高风险”的人群中。因此，迫切需要在心脏病诊断准确性上取得改进。为此，我们探究了基于常规临床数据、利用数据分析特别是深度神经网络（DNNs）设计与使用来检测心脏病的潜力。我们的主要贡献是设计、评估并优化了用于心脏病诊断的逐层加深的 DNN 架构。该工作发现了一种新颖的五层 DNN 架构——命名为 Heart Evaluation for Algorithmic Risk-reduction and Optimization Five（HEARO-5）——其预测精度最佳。HEARO-5 的设计采用正则化优化，并自动处理缺失数据和/或数据异常值。为评估与调优架构，我们使用 k 折交叉验证以及 Matthews 相关系数（MCC）来衡量分类质量。研究基于公开可用的 Cleveland 医学信息数据集进行，我们将开发成果开源，以进一步促进 DNN 在医学中使用的开放性与研究。HEARO-5 架构达到了 99% 的准确率与 0.98 的 MCC，显著优于该领域已发表的研究。