基于高效通道注意力机制和特征融合网络的冠心病诊断算法研究

作     者：郭卫涛 帕孜来·马合木提 张洪春 Guo Weitao;Pazilai Mahemuti;Zhang Hongchun

作者机构：新疆大学电气工程学院新疆乌鲁木齐830046 湖北职业技术学院计算机学院湖北孝感432100 

基　　金：国家自然科学基金项目(61963034) 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2024年第41卷第1期

页      码：190-197页

摘      要：针对冠心病重要特征不确定、诊断模型预测性能低等因素而导致冠心病早期诊断精度低的问题,提出一种基于高效通道注意力机制和特征融合的网络。通过XGBoost(eXtreme Gradient Boosting)来确定冠心病重要特征,设计数据生成图片的特征组合算法以适用该模型;为提高诊断模型预测性能,采用可以提升模型学习能力和特征利用率的高效通道注意力机制模块和特征融合模块。实验结果表明,在UCI克利夫兰心脏病数据集上,与其他诊断算法相比,该算法优于传统机器学习方法,预测精度可达100%且稳定性好。

主 题 词：冠心病 早期诊断 特征组合算法 特征融合 高效通道注意力 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1000-386x.2024.01.028

馆 藏 号：203125710...