抽象的

人工智能和纳米技术用于心脏病诊断

谢赫阿卜杜勒汉南

早期识别对于有效预防和治疗心脏病至关重要，心脏病是医疗保健领域的一大难题。传统和非侵入性方法耗时、不舒适、成本高，并且不适合定期检查或诊断。有许多非侵入性 (NI) 方法可用于诊断心血管疾病。NI 方法获得的数据主要有三种形式：(i) 来自临床变量、实验室测试和体征和症状的信息 (ii) 原始心血管数据 (ECG 和 PCG)；或 (iii) 心脏图像。可以基于这三种类型的数据构建三个独特的 ML (机器学习) 框架。非冠状心血管疾病 (no-CHD) 和心肌心血管疾病 (CHD) 测试结果的准确率分别为 80.1% 和 76.9%。在所有平台的大多数研究中，SVM (支持向量机) 和人工神经网络 (人工神经网络) 都表现更好。深度神经网络是一种相对较新的人工智能技术，在对心音和心血管成像进行分类方面取得了令人印象深刻的成果。当前的工作将为机器学习领域的新研究人员提供建议和可能性，有助于实现心血管疾病的自动化检测。