ANWENDUNG DES MASCHINELLEN LERNENS ZUR ERKENNUNG VON HERZKRANKHEITEN

Das maschinelle Lernen in der medizinischen Versorgung entwickelt sich zu einem bedeutenden Forschungsbereich für die Erstellung von Prognosen und ein tieferes Verständnis medizinischer Daten. Die meisten Methoden des maschinellen Lernens hängen von mehreren Merkmalen ab, die das Verhalten des Algorithmus bestimmen, die Ausgabe beeinflussen und die Komplexität der resultierenden Modelle entweder direkt oder indirekt beeinflussen. In der Vergangenheit wurden viele maschinelle Lernmethoden zur Erkennung von Herzkrankheiten eingesetzt. Neuronale Netze und logistische Regression sind einige der wenigen bekannten maschinellen Lernmethoden, die bei der Diagnose von Herzkrankheiten eingesetzt werden. Sie analysieren mehrere Algorithmen wie Support Vector Machine, K-Nearest Neighbour, Random Forest Classifier sowie zusammengesetzte Ansätze, die die vorgenannten Algorithmen zur Diagnose von Herzkrankheiten beinhalten. Das System wurde auf der Python-Plattform implementiert und mit Hilfe des maschinellen Lernmodells trainiert. Für neue Datenerhebungen kann der Rahmen erweitert werden.