基于肽组学的多层感知器神经网络冠心病预测模型
机器学习
2025-09-05 v1 人工智能
摘要
冠心病（CHD）是全球主要的死亡原因之一，并对年度医疗支出做出了重大贡献。为了开发一种无创诊断方法，我们设计了一个基于多层感知器（MLP）神经网络的模型，该模型使用遗传算法筛选出的 50 种关键尿肽生物标志物进行训练。治疗组和对照组各包含 345 名个体，使用合成少数类过采样技术（SMOTE）进行平衡。神经网络采用分层验证策略进行训练。使用具有三个各含 60 个神经元的隐藏层和一个含两个神经元的输出层的网络，该模型实现了 95.67% 的精确率、灵敏度和特异性，F1 分数为 0.9565。两类的 ROC 曲线下面积（AUC）均达到 0.9748，而 Matthews 相关系数（MCC）和 Cohen's kappa 系数分别为 0.9134 和 0.9131，证明其在检测 CHD 方面的可靠性。这些结果表明，该模型为冠心病提供了一种高度准确且鲁棒的无创诊断工具。
引用
@article{arxiv.2509.03884,
title = {Peptidomic-Based Prediction Model for Coronary Heart Disease Using a Multilayer Perceptron Neural Network},
author = {Jesus Celis-Porras},
journal= {arXiv preprint arXiv:2509.03884},
year = {2025}
}
备注
14 pages, 6 figures, Submitted to arXiv for public dissemination