一个实时计算机辅助诊断系统用于使用临床信息预测冠状动脉心脏病

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学
• 机器学习 机器学习

背景情况:

• 正确的冠状动脉心脏病 (CHD) 早期诊断对于有效的患者管理至关重要.
• 目前用于CHD预测的深度学习模型面临着大数据集和长时间培训的挑战.
• 当前的机器学习模型往往缺乏临床应用所需的准确性和稳定性.

研究的目的:

• 设计一种快速,高精度的智能模型,利用临床信息预测冠心病 (CHD).
• 在CHD预测中克服现有的深度学习和机器学习模型的局限性.
• 为早期心血管疾病诊断提供临床适用工具.

主要方法:

• 利用了五个公共数据集,包括患者临床信息.
• 在数据预处理后用于特征提取的应用奇数值分解.
• 开发了使用多层感知子方法与5倍交叉验证的CHD预测模型.

主要成果:

• 拟议的机器学习模型与研究中开发的其他模型相比,表现出更高的性能.
• 在总数据集上,在曲线下的面积 (AUC) 达到99.10%.
• 报告了高性能指标,包括96.63%的准确性,96.50%的精度,97.4%的回忆和97.0%的F1分数.

结论:

• 开发的模型为冠心病 (CHD) 预测提供了高精度和效率.
• 该模型在不同数据集中的性能表明了医学和临床诊断的巨大潜力.
• 这种智能模型可以帮助早期和准确地识别CHD.