摘要 - 医疗保健是人类生活中最重要的方面之一。心脏病是最致命的疾病之一,它阻碍了世界上许多人的生活。心脏病,以便可以预防生命丧失。大规模数据用于医学诊断有助于开发了复杂的机器学习和基于深度学习的模型,用于自动化心脏病的早期诊断。经典方法在培训集中尚未看到的新数据方面受到限制。这是通过训练和测试精度的较大差距来指示的。本文提出了一种新型的深度学习结构,使用一维卷积神经网络,以在健康和不健康的人之间进行分类,以克服经典方法的局限性。各种临床参数用于评估有助于早期诊断的患者的风险特征。各种技术用于避免在建议的网络中过度拟合。拟议的网络在数据集上实现了97%以上的培训准确性和96%的测试准确性。使用各种性能参数将模型的精度与其他分类算法进行了比较,这些算法证明了所提出的体系结构的有效性。
主要关键词