使用机器学习和深度学习技术开发一种高效的新方法来预测冠状动脉疾病
C M M Mansoor1,2, Sarat Kumar Chettri3, H M M Naleer4
1Assam Don Bosco University, Guwahati, India.
概括
这项研究引入了一种用于早期冠状动脉疾病 (CAD) 检测的新型机器学习模型,达到92%的准确性. 与现有方法相比,先进的深度学习方法显著改善了预测.
科学领域:
- 心血管医学 心血管医学
- 医疗信息学医学信息学
- 机器学习是机器学习.
背景情况:
- 心脏病,特别是冠状动脉疾病 (CAD),是全球死亡的主要原因.
- 早期检测心血管疾病如CAD对于改善患者的治疗结果和降低死亡率至关重要.
- 机器学习 (ML) 在医疗保健中越来越多地用于分析临床数据,以帮助诊断疾病.
研究的目的:
- 开发和评估一种新的深度学习 (DL) 算法,以提高冠状动脉疾病 (CAD) 的预测准确性.
- 在分类环境中,将拟议的DL模型的性能与已建立的ML算法进行比较.
主要方法:
- 使用多个ML算法构建了一个集体投票分类器,包括天真贝叶斯,逻辑回归,决策树,XGBoost,随机森林,CNN,SVM,KNN,双向LSTM和LSTM.
- 使用了包括216个CAD病例的Alizadeh Sani数据集. 使用Chi-square测试优化了特征选择,并应用了合成少数人过量采样技术 (SMOTE) 来处理数据不平衡.
- 性能评估采用了准确性,精度,回忆,F1得分,接收器操作特征曲线 (AUC-ROC) 下的面积和混矩阵分析等指标.
主要成果:
- 新的DL模型在CAD预测中表现出卓越的性能.
- 拟议的模型在检测冠状动脉疾病方面实现了92%的高预测准确率.
- 结果表明,新型算法与最先进的方法具有竞争力,并且与它们相比较.
结论:
- 新的机器学习模型显著提高了冠状动脉疾病检测的准确性.
- 开发的深度学习方法为早期CAD识别提供了强大而有效的解决方案.
- 这项研究强调了先进的ML技术在改善心血管疾病诊断和患者护理方面的潜力.
