基于模糊规则的智能心血管疾病预测——运用复杂事件处理
人工智能
2024-09-25 v1 机器学习
摘要
心血管疾病（CVDs）因不健康的饮食、缺乏体力活动等因素而在全球范围内迅速上升。世界卫生组织（WHO）指出，主要风险因素包括升高的血压、血糖、血脂和肥胖。近期研究聚焦于准确且及时地预测疾病，以降低风险和死亡率，通常依赖于在大型数据集上训练的预测模型，这需要大量的训练资源。针对心血管疾病患者的智能系统能够通过有效分析健康参数，大大帮助患者做出明智的决策。复杂事件处理（CEP）因其聚合感兴趣模式及其对最终用户的原因和影响，已成为解决实时挑战的有价值方法。本文提出了一种基于模糊规则的系统，用于监控临床数据，提供实时决策支持。我们基于临床和WHO标准设计了模糊规则，以确保预测准确。我们的集成方法使用Apache Kafka和Spark进行数据流处理，并使用Siddhi CEP引擎进行事件处理。此外，我们将大量与心血管疾病相关的参数通过CEP引擎，以确保快速可靠的预测决策。为验证我们方法的有效性，我们模拟了未知的实时数据来预测心血管疾病。使用合成数据（1000个样本），我们将其分为“极低风险、低风险、中风险、高风险和极高风险”。验证结果显示，20%的样本被分类为极低风险，15-45%为低风险，35-65%为中风险，55-85%为高风险，75%为极高风险。
引用
@article{arxiv.2409.15372,
title = {Fuzzy Rule based Intelligent Cardiovascular Disease Prediction using Complex Event Processing},
author = {Shashi Shekhar Kumar and Anurag Harsh and Ritesh Chandra and Sonali Agarwal},
journal= {arXiv preprint arXiv:2409.15372},
year = {2024}
}