机构名称：
¥ 1.0
摘要 — 近几十年来，移动医疗 (m-health) 应用在心脏病、脊髓问题和脑损伤等危重病例中得到了越来越多的支持，因此在医疗保健领域引起了广泛关注。此外，移动医疗服务被认为更有价值，主要是在设施不足的地方。此外，它支持有线和先进的无线技术进行数据传输和通信。在这项工作中，实施了一种基于人工智能 (AI) 的深度学习模型来预测医疗保健数据，其中执行数据处理以提高动态预测性能。它包括数据收集、规范化、基于人工智能的分类和决策的工作模块。在这里，移动医疗数据是通过服务提供商从智能设备获得的，其中包括与血压、心率、血糖水平等相关的健康信息。本文的主要贡献是使用基于人工智能的移动医疗系统从存储在云中的患者数据集中准确预测心血管疾病 (CVD)。获取数据后，可以进行预处理以降低噪声和规范化，因为预测性能高度依赖于数据质量。因此，我们使用 Gorilla Troop 优化算法 (GTOA) 来选择最相关的函数进行分类器训练和测试。使用双向长期记忆 (Bi-LSTM) 根据选定的一组特征对他的 CVD 类型进行分类。此外，使用不同的方法验证和比较了所提出的基于 AI 的预测模型的性能。
基于人工智能的移动健康应用系统动态预测模型
主要关键词
相关文件推荐
