首页|机器学习在心肌梗塞并发症中的预测研究

机器学习在心肌梗塞并发症中的预测研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了降低心肌梗塞患者伴有并发症的发生率,利用机器学习方法构建心肌梗塞并发症预测模型,以心肌梗塞患者的医疗数据作为输入,以心肌梗塞患者的并发症类型作为输出,辅助临床医务人员早期判断,提前采取必要的干预措施.研究结果表明,Linear_SVM模型的整体预测性能优于MLP模型和RBF_SVM模型,其预测准确率为76.28％,特别是在心房纤颤、三度房室传导阻滞、心肌破裂和心肌梗死后综合征上表现出较好的预测效果.
The Prediction of Myocardial Infarction Complications with Machine Learning

王蔚、程君、李先杰、彭雷

展开 >

自贡市第一人民医院信息科,自贡 643000

机器学习 多层感知机 支持向量机 心肌梗塞并发症

四川省卫生信息学会科研课题(2021)

2021021

2022

10.3969/j.issn.1007-1423.2022.16.008

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(16)
  • 9