摘要
本发明公开了一种基于心电图预测急性心肌梗死患者院内不良心血管事件的机器学习算法,步骤S1,数据收集;步骤S2,建立模型;步骤S21,建立Lasso‑logistic模型;步骤S22,建立lasso‑logistic和随机森林模型、卷积神经网络模型、GRACE评分预测MACE的性能模型;并进行测试比较验证,调节训练模型的网络参数重新训练模型,得到最终预测模型。本发明这三种模型与GRACE评分预测MACE的性能模型的性能进行比较,并进行测试比较验证,获得CNN模型调节训练模型的网络参数重新训练模型,得到最终预测模型,其预测MACE的性能更优、预测急性左心衰的性能更优。
技术关键词
不良心血管事件
心肌梗死患者
机器学习算法
卷积神经网络模型
随机森林模型
变量
数学模型
心电特征
恶性心律失常
广义线性模型
心率
更新网络参数
特异
正则化参数
年龄
指标
系统为您推荐了相关专利信息
耕地土壤
随机森林模型
空间权重矩阵
采样点
后向散射系数
自动监测方法
自动监测系统
数据处理单元
地理位置信息
无线通信模块
白酒固态发酵
在线监测系统
时序特征
在线监测方法
池水
特征匹配方法
杆塔
路径优化算法
点云
三维网格单元