用于心血管疾病诊断的优化深度学习

《Scientific Reports》：Optimized deep learning for cardiovascular disease diagnosis

　　

摘要

心脏在人体中起着关键作用，它通过血液在全身循环来帮助输送氧气和营养物质。心血管疾病（CVD）是全球死亡率上升的主要原因，特别是在老年人和成年人中。近年来，研究人员采用了不同的方法来准确、及时地诊断CVD，以便提供及时的医疗干预并保护患者的生命。然而，这些方法在处理含噪声数据和从高维数据中提取有意义的模式时遇到了困难。本文提出了一种优化启发的深度学习模型，即指数加权猎豹优化算法混合注意力网络（Ex-SOA_SA-Net），用于诊断CVD。首先，使用中值归一化对累积的输入数据进行归一化。然后，使用皮尔逊相关系数（PCC）、Relief算法和信息增益从归一化后的数据中选择相关特征。此外，通过利用不同的性能指标验证了Ex-SOA_SA-Net的有效性。实验结果表明，Ex-SOA_SA-Net取得了优异的结果，准确率（Accuracy）达到93.469%，真阳性率（TPR）为95.237%，真阴性率（TNR）为91.543%，精确率（Precision）为97.098%，F1分数（F1-score）为97.960%。