ПРОГНОЗИРОВАНИЯ БОЛЕЗНЕЙ СЕРДЦА С ПРИМЕНЕНИЕМ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ
DOI:
https://doi.org/10.52167/1609-1817-2022-123-4-191-199Ключевые слова:
машинное обучение, анализ кардиосигналов, обработка сигналов, нейронные сети, предсказание сердцебиения, ЭКГАннотация
В связи с высоким уровнем инвалидности и смертности важным вопросом является раннее выявление сердечно-сосудистых заболеваний. В данной статье было проведено исследование по прогнозированию заболеваний сердца путем обработки сигналов электрокардиограммы с использованием алгоритмов машинного обучения. Всего в ходе исследования было проведено более 50 000 численных экспериментов с различными алгоритмами машинного обучения. На основе сравнительного анализа были выбраны модели и методы машинного обучения, результатом был наивысший показатель «хорошо». В исследовании использовались следующие методы: метод опорных векторов, глубокие нейронные сети, байесовский классификатор, случайный лес, k-ближайших соседей, логистическая регрессия, дерево решений. Были предложены выбранные модели для определения параметров и эффективного применения.
Библиографические ссылки
[1] Desai F. et al. HealthCloud: A system for monitoring health status of heart patients using machine learning and cloud computing // Internet of Things. 2022. Vol. 17. P. 100485.
[2] Hernandez-Orallo, J. ROC curves for regression // Pattern Recognition. 2013. Vol. 46. No. 12. P. 3395. https://doi.org/10.1016/j.patcog.2013.06.014
[3] Chitra S., Jayalakshmi V. Prediction of Heart Disease and Chronic Kidney Disease Based on Internet of Things Using RNN Algorithm // Proceedings of Data Analytics and Management. Springer, Singapore, 2022. P. 467.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2022 Жадыра Алимбаева, Касымбек Ожикенов, Айдана Еркебай, Чингиз Алимбаев, Айман Ожикенова
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.