Risk factor refinement and ensemble deep learning methods on prediction of heart failure using real healthcare records

计算机科学 可扩展性 集成学习 机器学习 人工智能 预警系统 心力衰竭 深度学习 数据挖掘 风险因素 异常检测 医学 数据库 内科学 电信
作者
Chunjie Zhou,Aihua Hou,Pengfei Dai,Ali Li,Zhenxing Zhang,Yuejun Mu,li Liu
出处
期刊:Information Sciences [Elsevier]
卷期号:637: 118932-118932 被引量:2
标识
DOI:10.1016/j.ins.2023.04.011
摘要

The prediction of heart failure (HF) is crucial in preventing disease progression by implementing lifestyle changes and pharmacological interventions before the onset of heart diseases. While there have been numerous attempts to predict HF, many have failed to consider the coexisting risk factors and their complex relationships with one another. In this research paper, we present an early warning and prediction method for HF using deep learning approaches. Our proposed method involves a risk factor selection method to identify significant risk factors that contain relevant and valuable information for HF prediction. Additionally, we present an anomaly detection method to eliminate abnormal data that may be caused by mood changes or environmental factors. Finally, we propose an ensemble deep learning model for HF prediction based on scalable conjugate-gradient concept and back propagation learning algorithm that aims to predict and provide early warning of HF in massive medical data. We evaluate our proposed method based on our real research project, HeartCarer, and achieve an accuracy of 98.5%, which surpasses other state-of-the-art methods and our prior work (90%).
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Summer_Xia完成签到,获得积分10
5秒前
叮叮当当完成签到,获得积分10
37秒前
碳土不凡完成签到 ,获得积分10
39秒前
橙子味的邱憨憨完成签到 ,获得积分10
1分钟前
1分钟前
没用的三轮完成签到,获得积分10
1分钟前
简单的战斗机完成签到,获得积分10
1分钟前
专注的玉米完成签到 ,获得积分10
1分钟前
xiaowuge完成签到 ,获得积分10
1分钟前
光亮乘云完成签到 ,获得积分10
1分钟前
laohu完成签到,获得积分10
1分钟前
jue完成签到 ,获得积分10
2分钟前
roundtree完成签到 ,获得积分0
2分钟前
JasonWu完成签到 ,获得积分10
2分钟前
LT完成签到 ,获得积分10
2分钟前
扶风阁主完成签到,获得积分10
2分钟前
秋夜临完成签到,获得积分10
3分钟前
菠萝蜜完成签到 ,获得积分10
3分钟前
isedu完成签到,获得积分10
3分钟前
啥时候能早睡完成签到 ,获得积分10
3分钟前
Jonsnow完成签到 ,获得积分10
3分钟前
wefor完成签到 ,获得积分10
3分钟前
zyw完成签到 ,获得积分10
3分钟前
传奇完成签到 ,获得积分10
3分钟前
霸气白曼完成签到 ,获得积分10
3分钟前
李彪完成签到 ,获得积分0
3分钟前
jjy完成签到,获得积分10
3分钟前
J陆lululu完成签到 ,获得积分10
3分钟前
jj824完成签到 ,获得积分10
4分钟前
Arthur完成签到,获得积分10
4分钟前
Wayne72完成签到,获得积分10
4分钟前
张占完成签到,获得积分10
4分钟前
4分钟前
nteicu发布了新的文献求助10
4分钟前
明朗完成签到 ,获得积分10
4分钟前
糊涂的乞完成签到 ,获得积分20
4分钟前
大水完成签到 ,获得积分10
4分钟前
zzr完成签到 ,获得积分10
4分钟前
TerryWei完成签到 ,获得积分10
4分钟前
苇一完成签到,获得积分10
4分钟前
高分求助中
Un calendrier babylonien des travaux, des signes et des mois: Séries iqqur îpuš 1036
Sustainable Land Management: Strategies to Cope with the Marginalisation of Agriculture 1000
Corrosion and Oxygen Control 600
Python Programming for Linguistics and Digital Humanities: Applications for Text-Focused Fields 500
Heterocyclic Stilbene and Bibenzyl Derivatives in Liverworts: Distribution, Structures, Total Synthesis and Biological Activity 500
重庆市新能源汽车产业大数据招商指南(两链两图两池两库两平台两清单两报告) 400
Division and square root. Digit-recurrence algorithms and implementations 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 有机化学 工程类 生物化学 纳米技术 物理 内科学 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 电极 光电子学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 2546041
求助须知:如何正确求助?哪些是违规求助? 2175672
关于积分的说明 5600229
捐赠科研通 1896383
什么是DOI,文献DOI怎么找? 946268
版权声明 565379
科研通“疑难数据库(出版商)”最低求助积分说明 503557