基于高效通道注意力机制和特征融合网络的冠心病诊断算法研究

来源：计算机应用与软件杂志2024年第1期北京时间：

作者：郭卫涛，帕孜来·马合木提，张洪春, ,

摘要：针对冠心病重要特征不确定、诊断模型预测性能低等因素而导致冠心病早期诊断精度低的问题，提出一种基于高效通道注意力机制和特征融合的网络。通过XGBoost（eXtreme Gradient Boosting）来确定冠心病重要特征，设计数据生成图片的特征组合算法以适用该模型；为提高诊断模型预测性能，采用可以提升模型学习能力和特征利用率的高效通道注意力机制模块和特征融合模块。实验结果表明，在UCI克利夫兰心脏病数据集上，与其他诊断算法相比，该算法优于传统机器学习方法，预测精度可达100%且稳定性好。

关键词：冠心病, 早期诊断, 特征组合算法, 特征融合, 高效通道注意力