优化组合模型,准确预测糖尿病患者心血管化

科学领域:

• 生物医学工程 生物医学工程
• 人工智能在医学中的应用
• 心脏病学 心脏病学

背景情况:

• 心血管疾病 (CVD) 对糖尿病患者构成重大风险.
• 心血管化 (CVC) 是糖尿病中心血管疾病的关键预测因素.
• 目前用于CVC预测的机器学习 (ML) 和人工智能 (AI) 方法面临的局限性包括小样本大小和高计算成本.

研究的目的:

• 开发一种先进的ML模型,以更好地预测糖尿病患者的CVC.
• 解决现有的AI方法中数据限制和计算复杂性的挑战,用于CVC检测.

主要方法:

• 开发了一种基于集群的简单线性代集成人工神经网络 (SLIC-EANN) 模型.
• 该模型利用生物化学,成像 (来自冠状动脉计算机断层扫描血管学 - CCTA) 和临床数据.
• 预处理包括图像规范化,大小调整和增强;化本地化使用简单的线性代集群 (SLIC) 算法;分类使用集成人工神经网络 (EANN) 集成支持矢量机 (SVM),梯度增强 (GB) 和决策树 (DT).

主要成果:

• SLIC-EANN模型实现了98.7%的高预测准确度.
• 该模型显示出1.3%的低误差率.
• 性能明显优于现有的CVC预测技术.

结论:

• 拟议的SLIC-EANN模型为糖尿病患者的CVC提供了卓越的预测性能.
• 这种由人工智能驱动的方法显示出增强糖尿病管理中的心血管风险评估的希望.