典型文献
机器学习在心肌梗塞并发症中的预测研究
文献摘要：
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.
文献关键词：
机器学习;多层感知机;支持向量机;心肌梗塞并发症
中图分类号：
作者姓名：
王蔚;程君;李先杰;彭雷
作者机构：
自贡市第一人民医院信息科,自贡 643000
文献出处：
引用格式：
[1]王蔚;程君;李先杰;彭雷-.机器学习在心肌梗塞并发症中的预测研究)[J].现代计算机,2022(16):43-47
A类：
心肌梗塞并发症
B类：
预测研究,机器学习方法,医疗数据,医务人员,Linear,预测性能,MLP,RBF,预测准确率,心房纤颤,三度房室传导阻滞,心肌梗死,多层感知机
AB值：
0.180221
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
