基于机器学习模型的多类心脏病检测、分类与预测
人工智能
2024-12-09 v1
摘要
心脏病是全球导致提前死亡的主要原因，尤其在中年和老年人群中，男性患病率更高。据世界卫生组织（WHO）报告，传染性疾病以外的疾病（包括心脏病）占全球死亡人数的 （约 万人），在孟加拉国每年死亡人数超过 人。然而，针对孟加拉国人群的心脏病检测（HDD）系统开发仍不充分，这主要是由于缺乏基准数据集以及依赖手动或有限数据方法的局限。本研究通过引入新的、伦理来源的 HDD 数据集（BIG-Dataset 和 CD 数据集），包含症状、检查技术和风险因素的全面数据，来解决上述挑战。使用高级机器学习技术，包括逻辑回归和随机森林，我们实现了最高可达 的测试准确率。该提出的 AI 驱动系统集成了这些模型和数据集，提供实时、准确的诊断和个性化医疗建议。通过利用结构化数据集和最先进的机器学习算法，本研究为可扩展且有效的心脏病检测提供了创新解决方案，有望降低死亡率并改善临床结果。
关键词
引用
@article{arxiv.2412.04792,
title = {Multi-class heart disease Detection, Classification, and Prediction using Machine Learning Models},
author = {Mahfuzul Haque and Abu Saleh Musa Miah and Debashish Gupta and Md. Maruf Al Hossain Prince and Tanzina Alam and Nusrat Sharmin and Mohammed Sowket Ali and Jungpil Shin},
journal= {arXiv preprint arXiv:2412.04792},
year = {2024}
}