通过机器学习模型比较分析改进心血管疾病预测：以心肌梗死为例
机器学习
2023-11-02 v1 计算机视觉与模式识别
人机交互
摘要
心血管疾病仍是当今世界的首要死因。其与吸烟、血压升高和胆固醇水平的关联凸显了这些风险因素的重要性。本研究应对预测心肌疾病的挑战，这是医学研究中一项艰巨的任务。准确的预测对于完善医疗策略至关重要。本研究对六种不同机器学习模型进行了比较分析：Logistic Regression、Support Vector Machine、Decision Tree、Bagging、XGBoost 和 LightGBM。所得结果展现出前景，准确率如下：Logistic Regression (81.00%)、Support Vector Machine (75.01%)、XGBoost (92.72%)、LightGBM (90.60%)、Decision Tree (82.30%) 和 Bagging (83.01%)。值得注意的是，XGBoost 表现最佳。这些发现凸显了其提高冠脉梗死预测精度的潜力。随着心血管风险因素的持续存在，引入先进机器学习技术有望完善前瞻性医疗干预。
引用
@article{arxiv.2311.00517,
title = {Improving Cardiovascular Disease Prediction Through Comparative Analysis of Machine Learning Models: A Case Study on Myocardial Infarction},
author = {Jonayet Miah and Duc M Ca and Md Abu Sayed and Ehsanur Rashid Lipu and Fuad Mahmud and S M Yasir Arafat},
journal= {arXiv preprint arXiv:2311.00517},
year = {2023}
}