一种使用机器学习和神经网络进行中风预测的预测分析方法
机器学习
2022-03-02 v1
摘要
中风对社会的负面影响已促使人们共同努力改善中风的管理和诊断。随着技术与医疗诊断之间协同作用的增强，护理人员通过系统地挖掘和归档患者的医疗记录，为更好的患者管理创造了机会。因此，研究患者健康记录中这些风险因素的相互依赖性并理解它们对中风预测的相对贡献至关重要。本文系统地分析了电子健康记录中的各种因素以进行有效的中风预测。使用各种统计技术和主成分分析，我们确定了中风预测最重要的因素。我们得出结论，年龄、心脏病、平均血糖水平和高血压是检测患者中风的最重要因素。此外，与使用所有可用的输入特征和其他基准算法相比，使用这四个属性的感知器神经网络提供了最高的准确率和最低的漏检率。由于数据集在中风发生方面高度不平衡，我们报告了在通过子采样技术创建的平衡数据集上的结果。
引用
@article{arxiv.2203.00497,
title = {A predictive analytics approach for stroke prediction using machine learning and neural networks},
author = {Soumyabrata Dev and Hewei Wang and Chidozie Shamrock Nwosu and Nishtha Jain and Bharadwaj Veeravalli and Deepu John},
journal= {arXiv preprint arXiv:2203.00497},
year = {2022}
}
备注
Published in Healthcare Analytics, 2022