Resumen

Las cardiopatías se caracterizan por ser enfermedades heterogéneas que comprenden múltiples subtipos. El diagnóstico y el pronóstico tempranos de las cardiopatías son esenciales para facilitar el manejo clínico de los pacientes. En esta investigación se propone un nuevo modelo computacional para la predicción de enfermedades cardíacas tempranas. El modelo de predicción está integrado en una nueva regularización basada en el decaimiento de los pesos en función de la desviación estándar de las matrices de pesos y la comparación de los resultados con sus padres (RSD-ANN). El rendimiento de RSD-ANN es mucho mejor que el de los métodos existentes. Basándonos en nuestros experimentos, la precisión media de validación calculada fue del 96,30% utilizando el método de validación cruzada de diez veces o el de holdout.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:enfermedad cardíaca, nuevo modelo computacional, rendimiento de rsd, precisión media de validación, enfermedad cardíaca temprana, gestión de pacientes, pronóstico del corazón, ann, diagnóstico temprano, cruz de diez veces
• Keywords:heart disease, new computational model, performance of rsd, average validation accuracy, early heart disease, management of patients, prognosis of heart, ann, early diagnosis, tenfold cross