Laxmi Narayanamma K. / Mary Swarna Latha Gade
Librería Samer Atenea
Librería Aciertas (Toledo)
Kálamo Books
Librería Perelló (Valencia)
Librería Elías (Asturias)
Donde los libros
Librería Kolima (Madrid)
Librería Proteo (Málaga)
As doenças cardiovasculares (DCV) continuam a ser uma das principais causas de morte a nível mundial, o que realça a necessidade de uma deteção precoce precisa. Este estudo apresenta uma estrutura baseada na aprendizagem automática para a deteção de DCV utilizando sinais de ECG, centrando-se na seleção de caraterísticas melhoradas. O sistema integra o Filtro Rápido Baseado na Correlação (FCBF), a Relevância Máxima de Redundância Mínima (mRMR), o Relevo e a Otimização por Enxame de Partículas (PSO) para identificar as caraterísticas mais relevantes e não redundantes. O FCBF remove os dados redundantes, o mRMR seleciona as principais caraterísticas relevantes, o Relief classifica as caraterísticas com base no seu poder de distinção de classes e o PSO optimiza o conjunto final de caraterísticas. A classificação é efectuada utilizando classificadores Extra Trees e Random Forest, conhecidos pela sua elevada precisão e resistência ao sobreajuste. O modelo combinado atingiu uma taxa de precisão de 100% em diversos conjuntos de dados, superando os métodos existentes e demonstrando um desempenho superior na seleção e classificação de caraterísticas. Esta estrutura tem um forte potencial para melhorar o diagnóstico precoce de DCV e melhorar a tomada de decisões clínicas.
