cardiovascular disease | BriefGPT

关键词cardiovascular disease

搜索结果 - 23

心率预测的时间序列建模：从 ARIMA 到 Transformer
这项研究探讨了使用高级深度学习模型（如 LSTM 和基于 transformer 的架构）从 MIT-BIH 数据库预测心率时间序列的方法，结果表明，深度学习模型（尤其是 PatchTST）在多个指标上显著优于传统模型，更有效地捕捉复杂的模
PDF18 days ago
基于计算机深度学习的心血管疾病早期预警模型研究
基于一维卷积神经网络的心血管疾病风险预警模型，通过填充和标准化 13 个生理指标，将卷积神经网络转化为二维矩阵，并采用一阶卷积操作和最大池化算法进行降维，通过 Adam 算法进行优化。相对于传统方法，该技术的预测精度提高了 11.2%，对数
PDF23 days ago
本体对心血管疾病预测的影响与机器学习算法的比较
心血管疾病在研究中采用机器学习和本体论方法进行分类和性能评估。
PDFa month ago
多视角胸部 X 射线图像中的心血管疾病检测
通过使用胸部 X 射线图像进行 CVD 风险预测，提出了一种新的网络架构 BI-Mamba，利用胸部 X 射线图像的长程依赖关系实现了有竞争力的序列建模，并在实验中展示了与先前在 CT 方面最先进方法相媲美的性能。
PDFa month ago
利用视网膜 OCT 图像预测心血管疾病风险
通过自主学习的变分自编码器 (VAE) 在光学相干断层扫描 (OCT) 图像中学习低维表示，并结合参与者的人口统计学和临床数据，使用随机森林 (RF) 分类器来识别未来心血管疾病风险，其性能较 QRISK3 评分更优，证明视网膜 OCT 成
PDF3 months ago
作物和夫妻：使用相互关联的专家网络进行心脏图像分割
使用自动方法对心血管疾病进行诊断通常依赖于心脏图像分割的关键任务。我们提出了一种新的策略，使用专家网络对单个解剖结构（左心室、右心室或心肌）进行分割。给定一个输入的长轴心脏磁共振图像，我们的方法在第一阶段执行三元分割以识别这些解剖区域，然后
PDF5 months ago
基于 3D CINE MRI 和无监督神经网络的高分辨率左房位移和应变地图
使用自动化工具 Aladdin 从高分辨率三维 Cine MRI 图像中可靠地表征左心房（LA）区域变形的无监督神经网络，生成 LA 位移矢量场和主应变数值图，发现健康组与心血管疾病（CVD）患者之间在位移幅值和主应变数值上有显著差异，并利
PDF7 months ago
通过机器学习模型的比较分析改进心血管疾病预测：以心肌梗死为案例研究
心血管疾病与吸烟、血压升高和胆固醇水平的关联突出了这些危险因素的重要性。本研究使用六种不同的机器学习模型进行比较分析：Logistic 回归、支持向量机、决策树、包装法、XGBoost 和 LightGBM。结果表明，XGBoost 作为表
PDF8 months ago
通过社交媒体预测心血管疾病风险
分析推特的情绪内容可以优于传统人口统计数据，利用自然语言处理和机器学习技术可以识别潜在心血管疾病风险的个体，为公共卫生监测提供了替代方法。
PDF9 months ago
现有死亡率预测模型的共识：从全因死亡到突发死亡预测
通过使用英国国家医疗服务 (NHS) 电子健康记录 (EHR)，该研究通过构建预测模型，结合病史、血液检测、药物处方和住院情况，尝试预测突然死亡的风险，并强调了预测突然死亡的挑战和对机器学习模型在医疗应用中的理解和解释的需求。
PDF10 months ago
药物交互向量神经网络：DrIVeNN
该研究旨在鉴别多药联合应用不良药物事件的关键特征，并构建和评估预测多药联合应用不良事件的模型，结果显示针对心血管疾病的特定模型在药物相互作用预测中表现显著提高，证明了领域特定模型提高药物相互作用预测准确性的强大潜力。
PDF10 months ago
基于变压器的双域网络用于少视角专用心脏 SPECT 图像重建
本研究提出了一种基于 3D 变换器的双域网络（TIP-Net），用于高质量的 3D 心脏 SPECT 图像重建，该方法使用深度学习方法直接从投影数据中重建 3D 心脏 SPECT 图像，然后通过图像域重建网络进一步改进重建结果。经由心脏导管
PDFa year ago
心血管疾病预测的集成框架
该研究使用基于机器学习算法的集成分类器框架，结合多种性能度量方法，对一个包含多国心血管疾病个体的大型数据集进行研究，获得了 92.34% 的准确率，较现有研究表现更佳。
PDFa year ago
利用 Raman 图像和病史进行多模态多尺度心血管疾病亚型分类
本研究提出了一种名为 M3S 的多模态多尺度模型来诊断心血管疾病亚型，该模型将拉曼光谱数据转换为各种分辨率的图像，并利用概率矩阵和权重矩阵来结合拉曼光谱数据和医学历史数据以增强分类能力。该模型在我们的内部数据集上具有出色的性能和鲁棒性，准确
PDFa year ago
MVMTnet：一种基于多变量多模态转换器的心脏不规律多类分类方法，使用 ECG 波形和临床记录
提出了一种基于多模型 Transformer 的深度学习架构，通过整合临床记录，实现了对心血管疾病的多类别检测，并为实现临床和急诊环境下的实时患者状态监测奠定了基础。
PDFa year ago
ACL从自然语言到心电图的知识迁移：我们可以通过语言模型检测心血管疾病吗？
本文旨在将 Large Language Models 中的知识传递到临床心电图中，通过引入 Optimal Transport 生成质量高的心脏诊断报告，并且表现出与监督基线相媲美的零 - shot 分类性能，证明了从 LLMs 到心脏领
PDFa year ago
一种从 Reddit 理解心理健康的计算方法：基于知识的多任务学习框架
本文设计并评估了一种捕捉在社交媒体上关于 CVD 相关的心理健康症状如何不同地表达男女之间的方法，并采用 GeM，一种任务自适应的多任务学习方法来区分不同性别的语言中的心理健康症状，GeM 模型相比于当前最先进的语言模型，能更好地识别和预测
PDF2 years ago
基于机器学习融合方法的二元和多分类心血管疾病严重性预测
本研究使用机器学习技术构造了三个融合模型，在心脏病数据集上进行训练和预测，其中包括人工神经网络、支持向量机、逻辑回归、决策树、随机森林和 AdaBoost 等六种算法，以预测心血管疾病的出现和严重程度，实验结果表明，这三个融合模型具有良好的
PDF2 years ago
FCM-DNN: 基于深度准确模糊 C-Means 聚类模型的冠心病诊断
本文使用神经网络、深度神经网络、和模糊 C 均值聚类加深度神经网络的方法诊断冠状动脉疾病，得到 99.91% 的准确度，这一方法可能有助于科研中心。
PDF2 years ago
MMHeartFit：一种利用深度学习进行心脏杂音诊断的准确平台
Heartfit 采用自我诊断方法，利用深度学习对用户心声的分类和诊断，既准确又经济适用，适用于缺乏医疗设施的地区。
PDF5 years ago