相关实验视频
Updated: Jul 2, 2025
09:09
In Silico Clinical Trials for Cardiovascular Disease
Published on: May 27, 2022
1.7K
对鱼优化算法的实证探索,用于心脏病预测
Stephen Akatore Atimbire1, Justice Kwame Appati2, Ebenezer Owusu1
1Department of Computer Science, University of Ghana, Accra, Ghana.
Scientific reports
|February 24, 2024
概括
这项研究提高了使用鱼优化算法 (WOA) 进行特征选择的心脏病风险预测. 该方法在多个数据集中改善模型性能,提供更好的早期心脏病风险评估.
科学领域:
- 心脏病学 心脏病学
- 生物医学信息学 生物医学信息学
- 机器学习 机器学习
背景情况:
- 心脏病是全球主要的死亡原因.
- 准确的预测模型对于早期风险评估至关重要.
- 现有的模型往往缺乏全面的评估和多数据集验证.
研究的目的:
- 开发一种改进的心脏病风险预测方法.
- 利用鱼优化算法 (WOA) 进行有效的特征选择.
- 在各种数据集中实施全面的评估框架.
主要方法:
- 利用了五个不同的心脏病数据集,包括一个组合的数据集.
- 应用鱼优化算法 (WOA) 进行最佳特征选择.
- 将选定的特征集成到十种不同的分类模型中.
主要成果:
- 在准确性,精度,回忆,F1得分和AUC方面取得了显著的改进.
- 与相同数据集的最先进方法相比,表现出更高的性能.
- 验证了WOA在多个心脏病数据集中识别最佳特征的有效性.
结论:
- 提出的基于WOA的特征选择和综合评估框架提高了心脏病风险预测.
- 该方法表明强大的适应性和改进的预测性能.
- 这种方法为早期识别心脏病风险提供了更可靠的工具.
