Rasterbasiertes Vorhersagemodell für koronare Herzkrankheiten

Diese Studie wurde durchgeführt, um die bestehenden Remote Health Monitoring Systems (RHMS) für Herzerkrankungen zu verbessern, indem von solchen Systemen generierte Daten erfasst und analysiert wurden, um ein Modell zu entwickeln, das die Existenz einer koronaren Herzkrankheit bei Patienten vorhersagt, die ohne jegliche Brustschmerzen klagen körperliche Ursache. Daher trägt diese Arbeit dazu bei, die aktive Beteiligung von Pflegepersonal zu reduzieren, wenn Ärzte und Experten nicht im gleichen Verhältnis zu den verfügbaren Patienten stehen, Krankenhausbesuche, Krankenhausaufenthalte und -rechnungen zu minimieren und gleichzeitig den Patienten eine aktive Beteiligung an der Behandlung ihrer Krankheit zu ermöglichen. Es wurde eine Architektur entwickelt, die in der Lage ist, Daten aus den bestehenden Gesundheitsüberwachungssystemen mithilfe von RFID-Technologie zu sammeln, während auch ein Vorhersagemodell zur Vorhersage der koronaren Herzkrankheit bei Patienten mithilfe eines künstlichen neuronalen Netzwerks entwickelt wurde. Der Prozess umfasst die Extraktion von Daten aus den bestehenden Gesundheitsüberwachungssystemen mit RFID, Datenvorverarbeitung, Filterung und Integration, Modellbildung mit Backpropagation Multilayer Perceptron ANN, Modellaggregation mit Bootstrap Aggregation-Bagging und schließlich Vorhersage und Feedback.

Autorentext

Ogungbade Bukunmi Abiodun se licenció en Ingeniería Informática en 2015 por la Universidad Olabisi Onabanjo, y obtuvo un máster en Ciencias en 2019 por la Universidad de Ibadan, en el estado de Oyo, Nigeria. Sus intereses de investigación actuales incluyen el modelado y la simulación, y el aprendizaje automático.