随着时间的推移与技术的进步,计算机与医疗领域的联系逐步密切,解决了很多以前无法回答的问题。在农村向城市转型的进程加快与我国教育水平的提高之时,人们越来越关注自身的健康问题。心脏病作为一种高死亡率的疾病与人类死亡的第一因素,其预测方面存在的问题也日益明显。但是目前在医疗领域方面,计算机等设备大部分应用于检测而非预测,并且只是对图像进行处理最终结论需要医生判断。医生是整个过程的核心,计算机只是辅助工具。由于医生研究的领域,掌握的知识及个人经验的差异,对疾病判断的结果可能不同,这样会造成严重的后果。因此,利用先进的计算机技术对其进行预测,进行早期治疗,避免心脏病恶化造成难以挽回的后果,有重要的实际意义。为了达到提升心脏病预测准确率的目的,本文将分为特征工程中的数据预处理和卷积神经网络两部分展开讨论。首先,结合医学领域相关知识,通过获得患者某些心血管疾病的重要指标,用数据预处理技术改善数据质量,提出了将传统机器学习应用的一维向量组合成矩阵形式的特征组合算法,使神经网络结构在预测方面和特征的关联性方面均有加强。随后探讨了不同类型的参数对网络结构的影响,构建并优化了心脏病预测模型,为心脏病疾病的防治提供参考。经过与传统心脏病预测方法比较,证明了本文提出的基于卷积神经网络的心脏病预测方法分类更加准确。辅助医生判断患者是否有心脏病,使计算机不仅在医疗上用于检测,更能应用于预测,同时较好地避免人为导致的误差。