基于心血管数据的注意力学习预测心力衰竭
人工智能
2024-07-12 v1 机器学习
摘要
心血管疾病 (CVD) 包括影响心脏和血管的多种疾病，包括冠状动脉疾病、心力衰竭、中风和高血压。心力衰竭是全球范围内死亡和长期痛苦的主要原因之一。预测是高度有价值的风险因素，可用于治疗和干预以最小化心力衰竭。在本工作中，提出了一种基于注意力学习的心力衰竭预测方法，用于EHR(电子健康记录)心血管数据，如射血分数和血清肌酐。此外，应用不同优化器和各种学习率方法来微调所提出的方法。血清肌酐和射血分数是预测患者心力衰竭的最重要特征。计算结果表明，RMSProp优化器以0.001学习率在基于血清肌酐的预测方面表现更好。另一方面，SGD优化器与0.01学习率的组合在基于射血分数特征方面表现最佳。总体而言，所提出的基于注意力学习的方法在预测心力衰竭方面表现非常高效，优于现有的SOTA方法，如LSTM方法。
引用
@article{arxiv.2407.08289,
title = {Predicting Heart Failure with Attention Learning Techniques Utilizing Cardiovascular Data},
author = {Ershadul Haque and Manoranjan Paul and Faranak Tohidi},
journal= {arXiv preprint arXiv:2407.08289},
year = {2024}
}
备注
11 pages, 37 figures