基于机器学习与深度学习技术的糖尿病患者心血管疾病风险预测
机器学习
2025-11-10 v1
摘要
准确预测心血管疾病（CVD）风险对医疗机构至关重要。本研究针对糖尿病患者日益增长的发病率及其与心脏病的紧密关联，提出一种基于机器学习（ML）与混合深度学习（DL）的高效 CVD 风险预测模型。对 BRFSS 数据集进行了预处理，包括去除重复记录、处理缺失值、识别分类与数值特征，并应用主成分分析（PCA）进行特征提取。实现了多种 ML 模型，包括决策树（DT）、随机森林（RF）、k 近邻（KNN）、支持向量机（SVM）、AdaBoost 与 XGBoost，其中 XGBoost 达到最高准确率为 0.9050。还探索了各种 DL 模型，如人工神经网络（ANN）、深度神经网络（DNN）、循环神经网络（RNN）、卷积神经网络（CNN）、长短期记忆网络（LSTM）、双向 LSTM（BiLSTM）以及门控循环单元（GRU），以及结合 CNN 与 LSTM、BiLSTM、GRU 的混合模型。其中一些模型实现了完美的召回率（1.00），LSTM 模型达到最高准确率为 0.9050。我们的研究表明，ML 与 DL 模型在预测糖尿病患者 CVD 风险方面有效，自动化并提升了临床决策。高准确率与 F1 分数表明，这些模型有潜力改善个性化风险管理与预防策略。
引用
@article{arxiv.2511.04971,
title = {Risk Prediction of Cardiovascular Disease for Diabetic Patients with Machine Learning and Deep Learning Techniques},
author = {Esha Chowdhury},
journal= {arXiv preprint arXiv:2511.04971},
year = {2025}
}
备注
24 pages with 6 table and 8 figures