Hybrid CNN-LSTM for Predicting Diabetes: A Review

联营 人工智能 深度学习 卷积神经网络 糖尿病 计算机科学 机器学习 特征(语言学) 特征提取 模式识别(心理学) 卷积(计算机科学) 人工神经网络 医学 语言学 哲学 内分泌学
作者
Soroush Soltanizadeh,Seyedeh Somayeh Naghibi
出处
期刊:Current Diabetes Reviews [Bentham Science]
卷期号:20 (7) 被引量:2
标识
DOI:10.2174/0115733998261151230925062430
摘要

Diabetes is a common and deadly chronic disease caused by high blood glucose levels that can cause heart problems, neurological damage, and other illnesses. Through the early detection of diabetes, patients can live healthier lives. Many machine learning and deep learning techniques have been applied for noninvasive diabetes prediction. The results of some studies have shown that the CNN-LSTM method, a combination of CNN and LSTM, has good performance for predicting diabetes compared to other deep learning methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
李李完成签到 ,获得积分10
刚刚
BCyu完成签到 ,获得积分10
1秒前
1秒前
3秒前
pjs完成签到,获得积分10
3秒前
3秒前
UUSee完成签到,获得积分10
3秒前
3秒前
3秒前
在水一方应助小林采纳,获得10
3秒前
钱财实景发布了新的文献求助50
3秒前
4秒前
czj完成签到 ,获得积分10
4秒前
可可西里发布了新的文献求助10
4秒前
顺利涵菡发布了新的文献求助10
5秒前
yuaner发布了新的文献求助10
6秒前
感谢shenxiaohui转发科研通微信,获得积分50
6秒前
6秒前
欧啦啦发布了新的文献求助10
7秒前
香蕉觅云应助abne采纳,获得10
7秒前
dachengzi发布了新的文献求助10
8秒前
8秒前
8秒前
慕青应助Bonnie采纳,获得10
9秒前
10秒前
10秒前
桥下完成签到,获得积分10
10秒前
10秒前
感谢jsyfanature转发科研通微信,获得积分50
11秒前
杨杨发布了新的文献求助10
11秒前
11秒前
12秒前
玖梦发布了新的文献求助10
12秒前
李爱国应助Sygganggang采纳,获得10
13秒前
许嘉伟发布了新的文献求助10
13秒前
bodhi完成签到,获得积分10
13秒前
47xixixi完成签到 ,获得积分10
14秒前
Rachel发布了新的文献求助50
15秒前
15秒前
16秒前
高分求助中
Sustainability in Tides Chemistry 2800
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Handbook of Qualitative Cross-Cultural Research Methods 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Chen Hansheng: China’s Last Romantic Revolutionary 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3138933
求助须知:如何正确求助?哪些是违规求助? 2789871
关于积分的说明 7793019
捐赠科研通 2446289
什么是DOI,文献DOI怎么找? 1301004
科研通“疑难数据库(出版商)”最低求助积分说明 626087
版权声明 601096