使用机器学习进行疾病诊断 医疗保健领域的机器学习模型。 乳腺癌检测-使用KNN和SVM 糖尿病发作检测-使用神经网络和网格搜索 角膜动脉疾病（心脏病）诊断-使用神经网络 自闭症谱系障碍（神经发育障碍）诊断-使用简单的神经网络 数据集从UCI机器学习存储库获得。

基于大数据互联的老年人关怀与疾病预测云平台源码.zip

物流人工智能_机器学习

基于visual prolog的鸡疾病自动推理系统

国家的疾病编码ICD-10，全的正在用的。

学医学的人都应该知道这个，这是我院多方论证最终倒入医院his系统的疾病目录。

诊断心血管疾病：人工智能项目，我开发了一个专家系统来检测心血管疾病，并使用前后链技术为用户提供推荐的治疗方法

全身性高血压（SAH）在影响心血管疾病（CVD）的病因和/或加重的慢性非传染性疾病中脱颖而出，因为该疾病由于非感知性症状和相关因素而被低估了与其他CVD的因素和危险标志物。 因此，根据弗雷明汉风险评分（FRS）确定SAH恶化和加重的风险可以降低DCV的发病率并改善预防措施。 这项观察性和横向研究采用了BA Senhor do Bonfim的《健康家庭策略》中患者记录的数据收集方法，该方法通过描述性和推论性统计分析（相关和回归）确定了差异。 分析了与动脉粥样硬化危险因素相关的高血压方面，确定了FRS在10年内发生心血管事件的风险。 从432个家庭中选择了746例患者，其中340例为高血压个体（SAH = 45.57％）和406例（NSAH = 54.42％）非高血压。 在SAH中，大多数（31.17％）年龄在63-77岁之间，但是在这两个群体中，女性人数都较多。 分析的所有特征中，SAH的患病率更高，吸烟（13.20％），久坐（29.41％）和心血管意外（22.60％）。 SAH组对FRS在10年内的CVD进展更敏感（P <0.0001 ANOVA）。 在NSAH组中，所有分析的变量之间

基于Alexnet对月季花疾病进行检测分类实验.doc基于Alexnet对月季花疾病进行检测分类实验.doc基于Alexnet对月季花疾病进行检测分类实验.doc基于Alexnet对月季花疾病进行检测分类实验.doc

慢性肺疾病 使用卷积神经网络对肺部疾病进行分类