HyCARD-Net：面向心血管疾病诊断的协同混合智能框架
人工智能
2026-01-27 v1 机器学习
摘要
心血管疾病（CVD）仍是全球死亡的主要原因，凸显了对智能和数据驱动诊断工具的紧迫需求。传统的预测模型常常难以在异构数据集和复杂生理模式上获得良好泛化。为此，我们提出一种混合集成框架，将深度学习架构（卷积神经网络 CNN 和长短期记忆网络 LSTM）与经典机器学习算法（K-最近邻 KNN 和极端梯度提升 XGB）集成，使用集成投票机制。该方法结合了深度网络的表征能力与传统模型的可解释性和效率。在两个公开可用的 Kaggle 数据集上进行实验，证明所提模型在 Dataset I 上达到了82.30%的准确率，在 Dataset II 上达到了97.10%的准确率，precision、recall 和 F1-score 等指标均实现一致提升。这凸显了混合 AI 框架在预测心血管疾病和促进早期干预方面的稳健性和临床潜力。此外，本研究直接支持联合国可持续发展目标3号（良好健康与福祉），通过创新的数据驱动医疗解决方案推动早期诊断、预防和管理非传染性疾病。
引用
@article{arxiv.2601.17767,
title = {HyCARD-Net: A Synergistic Hybrid Intelligence Framework for Cardiovascular Disease Diagnosis},
author = {Rajan Das Gupta and Xiaobin Wu and Xun Liu and Jiaqi He},
journal= {arXiv preprint arXiv:2601.17767},
year = {2026}
}
备注
Accepted and published in the 2025 4th International Conference on Image Processing, Computer Vision and Machine Learning (ICICML)