预测心脏病 问题/目标 世界卫生组织估计，全世界每年因心脏病导致死亡1200万人。 在美国和其他发达国家，一半的死亡是由于心血管疾病引起的。 心血管疾病的早期预后可以帮助做出决定，改变高风险患者的生活方式，从而减少并发症。 该项目旨在指出心脏病的最相关/风险因素，并预测总体风险。 数据源 该数据集可在Kaggle网站上公开获得。 数据来自正在进行的对马萨诸塞州弗雷明汉镇居民的心血管研究。 分类的目的是预测患者是否有10年的未来冠心病（CHD）风险。 该数据集提供了患者信息，包括4,000多个记录和15个属性。

MRI图像中的心脏分割 Heart Segmentation in MRI Images_datasets.txt Heart Segmentation in MRI Images_datasets.zip

心脏杂波识别筛查 该报告将能够识别和开发一种预测模型，该模型可以使用机器学习算法确定患有先天性心脏缺陷的儿童和患有心脏瓣膜缺陷的成人？” 这些问题的答案将帮助听众进一步发展业务模型，从而有助于创建可预测和识别心脏杂音的便携式设备。 具有混淆矩阵，学习曲线和方框图的分类报告是度量标准，这些度量标准将用于评估算法以找到准确的响应模型。 该模型将查找分类为0-正常患者，1-先天性心脏缺陷-婴儿，2-心脏瓣膜缺陷-成人的输出变量。 初生婴儿时可以看到心脏瓣膜缺陷，成年人中也可以看到。 通过该项目，该算法将找到一个预测模型，以诊断整个年龄段其他患者的心脏缺陷

本文来自于www.qcloud.com，主要针对深度学习的计算构架进行讨论，在嵌入式VS云端不同场景下，ai处理器又是怎么工作的。作为通用处理器，CPU(CentralProcessingUnit)是计算机中不可或缺的计算核心，结合指令集，完成日常工作中多种多样的计算和处理任务。然而近年来，CPU在计算平台领域一统天下的步伐走的并不顺利，可归因于两个方面，即自身约束和需求转移。一方面，当半导体的工艺制程走到7nm后，已逼近物理极限，摩尔定律逐渐失效，导致CPU不再能像以前一样享受工艺提升带来的红利：通过更高的工艺，在相同面积下，增加更多的计算资源来提升性能，并保持功耗不变。为了追求更高的性能，

硬件开发，医疗器械

内科学（第9版）第三篇 循环系统疾病第十一章 心脏骤停与心脏性猝死.pptx

基于Matlab程序，对心脏血管中心线进行提取，并实现心血管分割