用于心脏病诊断的机器学习算法:系统性审查
Yian Mao1, Bahiru Legesse Jimma2, Tefera Belsty Mihretie3
1Bioscience and Biomedical Engineering Thrust, The Hong Kong University of Science and Technology (Guangzhou), Nansha, Guangzhou, Guangdong 511400, China.
Current problems in cardiology
|May 26, 2025
概括
监督机器学习有助于诊断心脏病. 决策树是最有效和最广泛使用的算法,在预测心脏病的过程中表现优于其他算法,如逻辑回归和天真贝叶斯.
科学领域:
- 心脏病学 心脏病学
- 机器学习 机器学习
- 数据科学数据科学数据科学
背景情况:
- 心脏的功能对整体健康至关重要,故障会影响多个身体系统.
- 机器学习 (ML) 在心脏病学中提供了先进的能力,用于预测和诊断心脏病.
- ML算法分析临床数据,以确定早期检测和个性化治疗的模式.
研究的目的:
- 评估用于心脏病预测和诊断的最广泛使用和最准确的监督机器学习算法.
主要方法:
- 对2013-2024年研究文章进行了系统分析.
- 我们使用了六个主要的学术数据库 (Scopus,PubMed,ScienceDirect,Dimensions,ProQuest,IEEE).
- 审查的重点是监督机器学习算法应用于心脏病诊断.
主要成果:
- 确定了24项对心脏病监督ML的研究.
- 决策树,物流回归,天真贝斯,随机森林和人工神经网络是著名的算法.
- 决策树表现出最佳性能和最高应用频率,其次是后勤回归和天真Bayes.
结论:
- 监督机器学习在推进心脏病诊断方面显示出重大前景.
- 识别最佳算法可以提高预测准确性,并指导未来的研究.
- 这项分析提供了对心血管健康有效的ML方法的见解.
