基于残差神经网络的心脏病预测系统的设计与实现

摘要：

采用机器学习中卷积神经网络的方式对获得的心电图数据进行学习,提取心电图数据中的特征因素进行分析建模,利用建立好的预测模型对患者的心电图数据进行分析,根据分析得到的结果判断患者是否患有心脏病,然后进一步给出患者具体的心脏病类型.利用深度残差卷积神经网络算法进行模型的建立以及模型训练,在模型训练的过程中,对批处理脚本大小、卷积核大小、池化窗口大小等进行进一步的最优化预测,以期得到较好的训练模型,最终根据训练好的模型得出实验结果.实验结果显示该系统能够在保证较高的准确率的情况下,利用心电图数据实现对心脏病患者的实时预测,并根据预测的结果给出详细的分析报告,以方便医生和患者对病情进一步了解,达到更好的治疗效果.

关键词：心电图;机器学习;卷积神经网络;残差神经网络;心脏病预测;残差模块;卷积层;池化层

所属期刊栏目：45

分类号：TN02⁃34;TP399(一般性问题)

资助基金：国家自然科学基金;国家自然科学基金;智汇郑州聚才计划;河南省科技攻关项目

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：121-124