心血管疾病多模态特征机器学习预测数据集

数据集概述

该数据集基于ECG和PCG多模态特征，结合机器学习方法预测心血管疾病。通过神经网络提取深度编码特征，经遗传算法筛选最优特征子集，最终用支持向量机分类，多模态数据预测AUC达0.936，为心血管疾病早期诊断提供数据支持。

文件详解

• 文件名称: data.zip
• 文件格式: ZIP (.zip)
• 内容说明: 压缩包内包含基于ECG和PCG多模态特征的心血管疾病预测相关数据，具体字段及结构需解压后查看

数据来源

PhysioNet/CinC Challenge 2016

适用场景

• 心血管疾病诊断研究: 分析多模态生理信号特征对疾病预测的提升效果
• 机器学习模型优化: 用于验证遗传算法特征筛选与支持向量机分类的组合性能
• 医疗数据融合应用: 探索ECG与PCG信号融合在临床辅助诊断中的价值
• 智能医疗算法开发: 为多模态医疗数据机器学习模型构建提供训练或测试数据