iCardo：一种基于机器学习的心血管疾病预测智能医疗框架
计算机与社会
2022-12-16 v1
摘要
在智能医疗系统中，借助高效的消费电子设备，点-of-care服务与用药已变得更加简便。心血管疾病是一种导致心力衰竭的危重疾病，早期及时识别可减轻损害并防止过早死亡。文献中已使用机器学习来预测心血管疾病（CVD）。本文阐述了针对所选特征集选择最佳分类器模型，以及使用四种特征选择模型所选出的不同特征集。论文针对十六个特征集分别比较了七种分类器。原始数据具有56个属性和303个样本，其中87个为健康状态，其余患有心血管疾病（CVD）。包含多个特征的人口统计数据构成了总体特征的四个组别。Lasso、基于树的算法、卡方检验和RFE均被用于选择四个不同的特征集，分别包含五、十、十五和二十个特征。针对十六个特征集中的每一个，均已训练并评估了七种不同的分类器。为确定特征集与模型的最有效组合，总共训练并测试了112个模型，并比较了它们的性能。结果表明，具有十五个所选特征的SVM分类器在总体准确率上最佳。医疗数据已保存在云端，并通过与支持医疗物联网（IoMT）的智能医疗集成，可供患者、护理人员和医疗提供者访问。随后，特征选择模型选择最适宜的特征用于CVD预测以校准系统，所提出的框架可用于预测CVD。
引用
@article{arxiv.2212.08022,
title = {iCardo: A Machine Learning Based Smart Healthcare Framework for Cardiovascular Disease Prediction},
author = {Nidhi Sinha and Teena Jangid and Amit M. Joshi and Saraju P. Mohanty},
journal= {arXiv preprint arXiv:2212.08022},
year = {2022}
}
备注
19 Pages, 9 Figures, 5 Tables