基于临床和社会特征的中风预测机器学习
机器学习
2025-01-03 v1 人工智能
摘要
每年美国有 80 万人发生中风——每 40 秒就有一位人流中风一次，每 4 分钟就有一位人流死亡。尽管个体因素各不相同，但某些预测因素在确定中风风险方面更为常见。由于中风是全球第二大导致死亡和残疾的原因，基于生活方式因素预测中风可能性至关重要。向个体显示其中风风险可能激发其生活方式的改变，机器学习为解决这一预测挑战提供了解决方案。神经网络在基于生活方式因素等训练特征预测结果方面表现出色，但它们并不是唯一的选择。Logistic 回归模型也能有效地根据独立变量计算二元结果的可能性，使其非常适合中风预测。本分析将比较两种神经网络（密集型和卷积型）和 Logistic 回归模型用于中风预测，考察其优缺点和差异，以开发最有效的预测器，最大限度地减少假阴性。
关键词
引用
@article{arxiv.2501.00048,
title = {Stroke Prediction using Clinical and Social Features in Machine Learning},
author = {Aidan Chadha},
journal= {arXiv preprint arXiv:2501.00048},
year = {2025}
}