Resumen

El análisis cuantitativo y la predicción pueden ayudar a reducir el riesgo de enfermedad cardiovascular. La predicción cuantitativa basada en el modelo tradicional tiene una precisión baja. La varianza del modelo de predicción basado en redes neuronales poco profundas es mayor. En este trabajo se propone un modelo de predicción de enfermedades cardiovasculares basado en una red neuronal profunda (DBN) mejorada. Utilizando el error de reconstrucción, la profundidad de la red se determina de forma independiente, y se combinan el entrenamiento no supervisado y la optimización supervisada. Asegura la precisión de la predicción del modelo al tiempo que garantiza la estabilidad. Se realizaron 30 experimentos independientes con los conjuntos de datos Statlog (Heart) y Heart Disease Database de la base de datos de la UCI. Los resultados experimentales mostraron que la media de la precisión de predicción era del 91,26 y 89,78%, respectivamente. La varianza de la precisión de la predicción fue de 5,78 y 4,46, respectivamente.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:modelo de predicción, exactitud de la predicción, conjuntos de datos de la base de datos de enfermedades cardiacas, modelo de predicción de enfermedades cardiovasculares, red profunda de creencias, red neuronal superficial, varianza, Resultados experimentales, Análisis cuantitativo, Predicción cuantitativa
• Keywords:model prediction, prediction accuracy, Heart Disease Database data sets, cardiovascular disease prediction model, deep belief network, shallow neural network, variance, Experimental results, Quantitative analysis, Quantitative prediction