通过预测建模,精细调整的CatBoost机器学习方法用于早期发现心血管疾病
Muhammad Hamid1, Fahima Hajjej2, Ala Saleh Alluhaidan3
1Department of Computer Science, Government College Women University Sialkot, Sialkot, 51310, Pakistan.
Scientific reports
|August 25, 2025
概括
一个新的CatBoost机器学习模型使用医院数据准确预测心血管疾病 (CVD) 阶段. 这种先进的方法可达到99%的准确性, 有助于早期诊断和改善患者的治疗结果.
科学领域:
- 医疗信息学
- 在医疗保健中的机器学习
- 心血管医学
背景情况:
- 心血管疾病是全球的主要健康问题,需要改进诊断方法.
- 早期发现心血管疾病对于有效治疗和改善患者存活率至关重要.
- 机器学习为心血管疾病风险评估提供了有前途的预测模型.
研究的目的:
- 开发和评估用于分类心血管疾病 (CVD) 阶段的先进预测模型.
- 通过使用医院记录,利用CatBoost算法进行心血管疾病诊断.
- 提高早期心脏病检测的准确性和效率.
主要方法:
- 使用一个公开的医院记录数据集与12预测变量.
- 实施特征选择,数据增强和严格的验证技术.
- 评估了多个ML算法,专注于微调的CatBoost模型.
主要成果:
- 在CVD阶段分类方面,CatBoost模型取得了卓越的性能.
- 获得了99%的F1分数和99.02%的整体准确性.
- 证明了自动特征选择和有效的早期心脏病检测.
结论:
- CatBoost算法显示出快速准确的心血管疾病诊断的巨大潜力.
- 该模型可以有效地支持心血管疾病的临床决策.
- 计划进行进一步的外部验证,以确认其通用性和临床适用性.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.6K
06:57Author Spotlight: Advancing Cardiovascular Imaging - Introducing the Spatially Weighted Calcium Score for Early Disease Detection
Published on: September 22, 2023
1.1K
