最近,在远程医疗环境中的临床决策中使用智能技术已开始在改善患者生活质量和帮助减少日常医疗保健的成本和工作量方面发挥至关重要的作用。 本文提出了一种使用快速傅里叶变换耦合机器学习集成模型的有效医学推荐系统,用于短期疾病风险预测,从而为慢性心脏病患者提供有关是否需要接受医学检查的适当建议。在分析他们的医疗数据的基础上进行的第二天。 通过使用快速傅里叶变换来分解基于患者时间序列数据的滑动窗口的输入序列,以提取频率信息。 利用基于套袋的总体模型来提前一天预测患者的病情,以产生最终建议。 结合使用三个分类器-人工神经网络,最小二乘支持向量机和朴素贝叶斯-来构建整体框架。 从慢性心脏病患者收集的真实时间序列远程医疗数据用于实验评估。 实验结果表明,所提出的系统具有很好的推荐准确性,并为减少不正确推荐的风险以及减少心脏病患者每天进行身体检查的工作量提供了有效的方法。 结果最终确定了所提出的系统是用于分析时序医学数据并为患有慢性心脏病的患者提供准确可靠的建议的有前途的工具。