使用机器学习提高冠状动脉疾病检测精度
人工智能
2026-03-10 v1
摘要
冠状动脉疾病 (CAD) 仍是全球死亡和疾病负担的主要原因。及早检测对于恢复患者预后和降低医疗成本至关重要。近年来，机器学习 (ML) 的进展在提高 CAD 诊断准确率方面显示出巨大潜力。本研究探索了应用 ML 算法以提高 CAD 检测精度的方法，通过分析患者数据，包括临床特征、影像和生物标志物轮廓。我们在大型数据集上训练了双向长短期记忆网络 (Bi-LSTM)、门控循环单元 (GRU) 以及 Bi-LSTM+GRU 的混合模型，用于预测 CAD 的存在。结果表明，这些 ML 模型在灵敏度和特异度方面超越了传统诊断方法，为临床医生提供了更具决策依据的工具。实验结果显示，混合模型实现了 97.07% 的准确率。通过集成先进的数据预处理技术和特征选择，本研究确保了最佳学习和模型性能，为 ML 在 CAD 诊断中的应用设定了基准。将 ML 集成到 CAD 检测中为个性化医疗保健提供了前景，并可能在心血管疾病管理的未来发挥关键作用。
引用
@article{arxiv.2603.06888,
title = {Enhancing the Detection of Coronary Artery Disease Using Machine Learning},
author = {Karan Kumar Singh and Nikita Gajbhiye and Gouri Sankar Mishra},
journal= {arXiv preprint arXiv:2603.06888},
year = {2026}
}
备注
20 pages, 11 figures, 5 tables. This paper proposes a hybrid Bi-LSTM and GRU based machine learning framework for improved detection of Coronary Artery Disease using CCTA imaging data and clinical features