用于心血管疾病预测的集成框架
机器学习
2023-06-22 v1 人工智能
摘要
心脏病是全球范围内非传染性疾病与隐匿性死亡的主要原因。心脏病或心血管疾病分为四类：冠心病、心力衰竭、先天性心脏病和心肌病。及早准确地诊断心脏病对于避免进一步损伤和挽救患者生命至关重要。因此，我们需要一个能够在心血管疾病发展为危急状况之前进行预测的系統。机器学习已引起医学科学领域研究人员的兴趣。针对心脏病预测，研究者实现了多种机器学习方法与途径。在本文中，据我们所知，我们使用了来自 IEEE Data Port 的数据集，该数据集是在线可获取的最大心血管疾病个体数据集之一。该数据集由 Hungarian、Cleveland、Long Beach VA、Switzerland 与 Statlog 数据集组合而成，包含最大心率、血清胆固醇、胸痛类型、空腹血糖等重要特征。为评估所开发模型的有效性与强度，采用了 ROC、AUC 曲线、特异度、F1-score、灵敏度、MCC 与准确率等多种性能指标。在本研究中，我们提出了一种基于堆叠集成分类器的框架，使用了 ExtraTrees Classifier、Random Forest、XGBoost 等多种机器学习算法。我们所提框架达到了 92.34% 的准确率，高于已有文献。
引用
@article{arxiv.2306.09989,
title = {Ensemble Framework for Cardiovascular Disease Prediction},
author = {Achyut Tiwari and Aryan Chugh and Aman Sharma},
journal= {arXiv preprint arXiv:2306.09989},
year = {2023}
}