使用人工智能技术进行了广泛的实验分析,用于预测心脏病的预测
D Rohan1, G Pradeep Reddy2, Y V Pavan Kumar3
1School of Computer Science and Engineering, VIT-AP University, Amaravati, 522241, Andhra Pradesh, India.
Scientific reports
|February 19, 2025
概括
这项研究探索了各种人工智能模型用于心脏病预测. XGBoost表现出卓越的性能,实现了高精度和早期检测的其他关键指标.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 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.
- 早期和准确发现心脏病对于有效治疗和预防至关重要.
- 人工智能 (AI) 为医疗保健提供了有希望的解决方案,特别是在疾病预测方面.
研究的目的:
- 调查和比较各种机器学习模型对心脏病预测的有效性.
- 确定最优的模型,以准确可靠地检测心脏病.
主要方法:
- 该研究评估了11种特征选择技术和21种不同的分类算法.
- 特性选择方法包括信息获取,奇方位测试,FDA,PCA等.
- 分类器包括后勤回归,SVM,随机森林,XGBoost,各种神经网络 (CNN,RNN,LSTM) 和混合模型.
主要成果:
- XGBoost显著优于所有其他评估模型.
- XGBoost的准确度为0.97,精度为0.97,灵敏度为0.98,特异性为0.98,F1得分为0.98,AUC为0.98.
- 这些结果表明XGBoost在心脏病预测方面的高效性.
结论:
- 这项研究强调了人工智能,特别是XGBoost在提高心脏病预测准确度方面的潜力.
- 这些发现表明,XGBoost可以成为早期检测和个性化医疗保健建议的宝贵工具.
- 进一步对各种模型进行实验对于在心血管健康方面推进人工智能至关重要.
