基于计算机深度学习的心血管疾病预警模型研究

本项目旨在研究一种基于一维卷积神经网络的心血管疾病风险预警模型。首先，对患者年龄、血糖、胆固醇和胸痛等13项生理和症状指标的缺失值进行填充，并进行Z-score标准化。将卷积神经网络转换为二维矩阵，使用1、3和5的卷积函数进行一阶卷积运算，并采用最大池化算法进行降维。设置学习率和输出率。通过Adam算法进行优化。分类结果由soft分类器输出。本研究分别基于UCI数据库中的Statlog和心脏病数据库进行。经验数据表明，与传统方法相比，该技术的预测精度提高了11.2%，同时对数曲线拟合有显著改善。通过使用一维卷积神经网络的检验，证实了新方法的有效性和适用性。