机构名称：
¥ 1.0
摘要：心脏病是全球死亡率的主要原因，其患病率年复一年。世界卫生组织的最新统计数据表明，每年约有1,790万人患有心脏病，70岁以下的人占这些死亡的三分之一。因此，需要加强对早期心脏病预测和基于人工智能的心脏病预测系统的研究。使用机器学习技术的先前心脏病预测系统无法管理大量数据，从而导致预测准确性差。因此，本研究采用了卷积神经网络，这是一种预测心脏病的深度学习方法。用于培训和测试模型的数据集是从尼日利亚和喀格格勒的一家政府拥有的医院获得的。使用精度，召回，F1得分和准确度指标评估所得系统。获得的结果分别为：0.94、0.95、0.95和0.95，分别为召回，F1得分和准确性。这表明，基于CNN的模型对阴性和正类别的心脏病的预测做出了很好的反应。还将获得的结果与一些选定的机器学习模型进行了比较，例如随机森林，幼稚的贝叶斯，KNN和逻辑回归，结果表明，开发的模型对所考虑的方法有了显着改善。因此，卷积神经网络比某些最新的机器学习模型更适合心脏病预测。对这项研究知识的贡献是将非洲中心数据集用于心脏病预测。未来的研究应考虑增加模型培训的数据大小，以提高准确性。
心脏病预测的发展和绩效评估
主要关键词
相关文件推荐
