文摘
心血管疾病是很难检测由于几个风险因素,包括高血压、胆固醇和异常脉冲速率。准确的决策和最优治疗需要解决心脏风险。机器学习技术的进步,医疗行业的临床实践可能会改变。因此,研究者和临床医生必须认识到机器学习技术的重要性。本研究的主要目的是为了推荐一个基于机器学习心血管疾病预测系统是高度准确的。相比之下,现代的机器学习算法,如代表树,M5P树,随机树,线性回归,朴素贝叶斯、J48, JRIP用于流行的心血管数据集进行分类。提出了cdp的性能评估使用各种指标确定最合适的机器学习模型。在预测心血管疾病患者,随机树模型表现非常优秀,精度最高的100%,最低的美0.0011,RMSE最低的0.0231,最快的预测以0.01秒的成绩。
1。介绍
在当今世界,心血管疾病死亡的主要原因。心血管疾病的预测是一个关键的挑战在医学数据处理。机器学习技术的出现已经证明了它们的有效性在疾病预测从海量医疗数据1]。心血管疾病是很难识别由于各种危险因素如高血压、胆固醇和脉搏率异常。由于疾病的复杂性,必须小心处理。否则,可能出现心脏或死亡的影响。计算机辅助决策支持/预测系统,技术进步有辅助医学领域2]。在医疗行业中,机器学习技术演示了在较短的时间内准确的疾病预测(3]。
对于心血管疾病,早期发现是挽救患者生命的关键。这也是必要的保护病人免受疾病。许多数据分析工具用于帮助医疗服务提供者与早期诊断(4]。2015年,大约有1770万人死于心血管疾病。为了解决心脏风险,准确的决策和最优治疗是必需的。另一项加拿大的研究使用5个月死亡率机器学习模型来分析充血性心力衰竭患者住院。Intrahospital预测心肌梗死患者已在韩国和中国研究[5]。另一方面,它已经发现心血管疾病的原因是每4人死亡在美国。心血管疾病影响了约9210万美国成年人。机器学习技术的成功辅助医学专家的工作(6]。因此,心血管风险预测系统必须高度准确、具体。
与机器学习的进步,医疗行业可能会改变其在未来临床实践。因此,研究者和临床医生必须了解机器学习技术的重要性(7]。尽管风险预测算法存在,他们中的大多数只考虑风险因素的一个子集。风险预测系统的性能仍然是一个挑战对于复杂的交互(8]。冠心病的危险性,心脏不能泵所需的血液保持身体的其他部位运转正常。气短、弱点,肿胀的脚,疲劳等症状可能发生(9]。许多健康数据生成大量医疗行业的生活方式的改变。导致心血管疾病的各种症状和习惯在健康记录(记录10]。在疾病诊断之前,执行各种测试,包括听诊、血压、胆固醇、心电图、血糖。这些测试帮助确定病人是否需要药物治疗(11]。人类在医疗保健方面的专业知识的局限性有时会导致一个不正确的诊断。
在目前暂停生活场景中,心脏骤停的风险增加了。尽管患有胸痛避免寻求医疗关注担心收购一种传染性疾病,他们的健康状况恶化12]。正确的预测是诊断和治疗的关键。一天,研究人员继续发展有效的决策支持系统。心脏病的诊断仍然是一个挑战(4]。预测在很大程度上依赖于分类技术。本研究的主要目的是为了推荐一个高度精确的心血管疾病预测系统基于机器学习技术,流行的心血管数据集进行分类利用先进的机器学习算法,如代表树,M5P树,随机树,线性回归,朴素贝叶斯、J48, JRIP。因此,选择正确的机器学习算法的成功取决于所选择的分类算法的心血管疾病。
1.1。我们的贡献
(我)预测精度检查各种机器学习技术在这个研究来评估心血管疾病的风险。(2)分析各种机器学习分类技术是使用最少的属性进行两个著名的心血管疾病的数据集,即匈牙利(i)和(ii) Statlog(心)。(3)在心血管疾病的预测方面,比较分析最近代表树的性能和随机树的机器学习算法是小说。(iv)因此,一个有效的心血管疾病和准确预测系统。此外,我们推荐最合适的机器学习算法设计高级智能系统对心血管疾病的预测。
以下是本文的其余部分被组织:部分2讨论了各种文献与心血管疾病相关的预测。部分3描绘了提出了心血管疾病的预测系统的框架。部分4提供了洞察的实验结果提出了cdp与不同的分类器算法。部分5提供了结论和未来的范围。
2。相关的工作
Krittanawong et al。13)评估机器学习算法的整体预测能力预测心血管疾病。使用各种数据库创建的策略是在2019年3月出版。的能力预测疾病,如冠心病、心律失常、心力衰竭和中风被观察到。曲线下的面积指标是用于预测分析。然而,由于异质性的机器学习算法,确定一个最优算法对心血管疾病仍然是一个挑战。段et al。14]看着血液和尿液中重金属的浓度之间的联系和心血管疾病和癌症死亡率。在这项研究中,国家健康和营养调查的数据集。泊松回归是用来检查和multimetal曝光。这项研究的参与者年龄从25到八十五岁。年龄,性别,教育、身体质量指数、血清可替宁和医学并存病都检查了。这项研究发现了一种金属之间的联系搅拌机在血液和尿液和癌症死亡率。然而,作者指出这项研究是怎样受到心血管疾病还需要更多的研究。
里皮等。15)关注COVID-19期间心血管疾病大流行的可能性。全国检疫要求政府实施各种形式的锁定减少COVID-19的传播。由于这些限制,所有公民留在家里,导致缺乏身体活动。尽管世界卫生组织建立了明确的指导方针所需的体育活动来保持足够的健康,严格检疫,另一方面,增加了心血管疾病而死亡的风险。检疫后,负面健康影响。结果,作者提出,有必要保持体育锻炼即使在隔离,避免不利的心血管的后果。这影响了当前研究的设计。Aryal et al。16)使用机器学习算法提出了一个系统屏幕microbiome-based心血管疾病。分析了粪便的16 s核糖体RNA心血管和noncardiovascular病人。样品正在考虑通过美国的项目。五个不同类型的机器学习算法训练,包括决策树、随机森林,神经网络,弹性网,支持向量机。区分各种类型的细菌类群被确定。随机森林产生了一个增强的特性曲线为0.70。结果表明潜在的随机森林预测心血管疾病、机器学习算法的随机森林和一个包含在当前的研究中。
汉et al。17评估不同的机器学习算法的能力的预测冠状动脉粥样硬化的风险的迅速发展。定性和定量的计算机断层扫描血管造影983例患者的斑块特征进行了研究。模型的得分与心血管动脉粥样硬化风险评分。最重要的临床变量进行比较。然而,作者强调评价的注意偏差的数据集使用机器学习技术仍然是一个挑战。Joo et al。18]研究机器学习技术的一致性预测心血管疾病的风险。作者对360万例患者进行了纵向队列研究在英国寻求进入医院。歧视和校准19预测模型的性能进行评估。例如,随机森林树预测分数范围从2.9到9.2%,而神经网络预测的分值范围从2.4到7.2%。建议在考虑各种模型避免使用逻辑模型来预测模型之间的长期风险,考虑水平定期评估。
机器学习数据科学用于解决许多问题。现有的数据机器学习艾滋病的预测结果。作为一个强大的机器学习技术,作者研究了系综分类来提高多分类器。系综分类提高了预测分类,但只有7%。培训和测试,使用了克利夫兰心的数据集。根据作者在19),随机森林里产生心脏病预测的85.48%。提取信息的过程,从人类生活的方方面面被称为数据挖掘。最常见的数据挖掘应用程序是医疗矿业。随机森林算法研究中使用(20.)预测患者的心脏疾病的发生。从Kaggle共303个样本数据集被认为是。性能指标用来评估精度,灵敏度和特异性。在心脏疾病的分类,算法实现了预测率为93.3%。
3所示。方法
机器学习是越来越受欢迎的在心血管领域的医学。尽管存在许多机器学习算法,确定最合适的算法对心血管疾病是可行的数据集仍然是一个挑战(13]。提出了研究的主要目标是推荐一个高度精确的心血管疾病预测系统基于机器学习技术(21]。图1描绘了提出了心血管疾病预测系统(cdp)框架。作为输入,该框架接收健康记录数据为专家建议提供准确预测信息,而最近的机器学习算法如代表树,M5P树,随机树,线性回归,朴素贝叶斯、J48, JRIP用于流行的心血管数据集进行分类(22]。因此,基于所选择的分类算法的性能,最好的机器学习算法确定处理心血管疾病病例。
3.1。数据预处理
数据挖掘的第一阶段:现实世界的数据包含大量的丢失和噪声值。这些数据预处理预防这样的问题和作出准确的预测。原始数据不足和不一致23,24]。缺失值与平均值可以删除或替换。因此,进行成功的分析,获得的数据必须使用一些稍微修改过滤技术(25]。这里使用的multifiltering技术。
3.2。特征提取
在执行数据分析之前,减少输入属性。并不是所有的属性同样有助于预测成功。许多属性增加复杂性的存在而降低性能(25]。因此,必须谨慎地特征提取表现在不降低系统性能。
3.3。机器学习方法
代表使用逻辑回归树树:树生成多个树不同的迭代。最好选择树代表所有生成的树。考虑修剪树的预测均方误差。代表(减少错误修剪)加速学习和构建决策树的基础上获得的信息(26]。因此,代表了一种更简单和更准确的分类树即使处理大量数据。
M5P树:树M5P模型用于数值预测。每一层预测实例的类值并存储在线性回归模型预测。如图2,最好的属性是由分裂T部分的训练数据27]。
分割标准因此用来达到一个特定的节点。M5模型树的决策树预测数值反应变量的值;树一代发生在两个步骤。最初,分裂的标准是基于标准差的值。每个值的误差减少由此产生的属性。模型树分割是基于建立线性回归模型的参数空间。类T作为误差测量,减少节点检测错误。减少误差的标准差计算中所示 在哪里T我的分裂节点构建模型与目标相关联的值。分裂算法递归地重复,使用标准偏差的减少误差估计的节点。属性支持最好使用标准差降低测量误差减少,sd(所1)。精度指标是用来评估预测质量。模型树的一组功能空间Z我功能(=z1、…zn从下界 到上限 。然后建立M5P所示
它采用矩阵n列包含Zj特性和y作为一个额外的列。用对数表达式B。子节点中的信息的标准偏差小于父节点,根据分割过程。M5P选择考虑的属性最大的影响扩大后每一个可以想象的结果。这部门经常导致过度拟合的树状结构。树应该修剪回到解决过度拟合的问题。
线性回归:预测标签属性基于输入的值的属性。它解释了标签和输入属性之间的连接(18]。下列方程表示的二进制逻辑回归: 在哪里π目标属性的观察和吗X是预测函数。如果大于阈值,它被设置为1;否则,它被设置为0。
朴素贝叶斯:朴素贝叶斯分类器是一个简单的分类器,采用贝叶斯定理。它假设属性是高度相互独立的。贝叶斯定理是一个数学概念用于计算概率。预测不相关,不与另一个(10]。的所有属性提供独立的概率最大化在下列方程表示。它可以使用朴素贝叶斯模型但不采用贝叶斯方法。Naive Bayes分类器应用于许多复杂的真实世界的情况:
P(X/Y)表示后验概率,P(X)是类先验概率,P(Y)是预测的先验概率P(Y/X)是预测概率(28]。
随机树:随机树是一种机器学习算法进行分类和预测,平均几个独立的基础模型。Tougui et al。28)发明了随机森林算法,后来改名为随机树商标的原因(23]。结果,这是一个有效的方法来评估缺失数据和维护准确即使高达80%的数据丢失29日]。图3描绘了一个平衡不平衡类人口中的错误数据集的方法。
JRIP:它是最受欢迎的算法,对所有训练数据中的特定判断的例子作为一个类,然后找到一组规则,涵盖所有该类的成员。这个类实现了一个学习者的命题规则。该算法使用重复增量修剪来减少错误(开膛手)自底向上的方法学习规则30.]。
J48:这是一个更新j·罗斯昆兰的C4.5决策树算法。它给你几个选项创建一个unpruned或修剪C4.5决策树。基本算法分类递归直到每片叶子是纯粹的,尽可能准确地表明数据分类的训练数据(31日]。
3.4。评价指标
平均绝对误差(MAE)、根均方误差(RMSE)和准确性都检查了。美和RMSE用于计算连续变量的准确性(32]。美代表了一组预测的平均误差的大小,计算了
平均误差的大小是衡量RMSE。如下方程表示,的平方的平均值的平方根预测之间的差异和实际观察:
相对绝对误差(RAE)是一个简单的预测,需要实际值和平均值,在误差表示表达的总绝对误差
预测方程计算响应变量的考虑因素,Pij的预测模型我已j记录。Tj目标价值吗j记录,T定义在
4所示。结果与讨论
冠状动脉疾病、心律失常和其他先天性心脏缺陷都是心脏病的例子。心血管疾病是导致血管被堵塞,导致心脏病、心绞痛、中风。预测心血管疾病的临床数据分析是一个重要的问题,因为心脏病已成为最常见的死因之一(33]。拟议的cdp的目标是协助专家做出明智的决定和预测通过使用机器学习技术。
4.1。实验装置
使用WEKA工具,使用各种测试提出了cdp分类器算法(28]。实验运行英特尔酷睿i7处理器运行在4.1 GHz和16 GB的RAM容量。
4.2。数据库描述
两个标准数据库、匈牙利和Statlog(心)的数据集,本文中使用。匈牙利数据库创建在匈牙利布达佩斯的心脏病学研究所,它包含294个实例。有304个实例Statlog(心)的数据集。这个数据库包含76个属性,但所有实验只使用14日发表。表1显示的是各种心血管疾病的特征。
这个工作包括两套评价。Statlog(心)数据集最初受到机器学习分类技术等代表树,随机树,线性回归,M5P树。同样,匈牙利数据受到了机器学习分类技术,如随机树,中殿贝叶斯,J48, JRIP。平均绝对误差(MAE)、根均方误差(RMSE)和准确性都检查了。此外,有关代表树进行了比较研究和随机树。
4.3。分析使用匈牙利数据库
匈牙利的机器学习技术分析数据库表2。
图4描述了机器学习模型性能在匈牙利数据库基于MAE措施。美值获得代表树,M5P,线性回归,和随机树是0.318,0.2763,0.2978,和0.2838,分别。这里的目标是减少预测误差,和梅是最好的指标来评估模型的预测精度。根据结果,M5P美最低为0.2763。美越低,准确性越高,强烈建议最佳心血管疾病的预测。因此,医学专家可以专注于如何使用该机器学习模型来提高心血管疾病临床资料分析。此外,随机树执行同样一个值为0.2838,这是理解的关键M5P和随机树将演示在知情决策和预测精度提出了cdp系统。
将会有一个错误,如果我们太过关注。占大,罕见的错误,必须计算均方根误差(RMSE)。图5描述了机器学习模型的预测性能在匈牙利数据库使用RMSE措施。RMSE值获得代表树,M5P,线性回归,和随机树是0.4415,0.3769,0.371,和0.5328,分别。这里的目标是减少预测误差,和RMSE是最好的指标来评估模型的预测精度。根据结果,M5P RMSE最低为0.3769。RMSE越低,准确性越高,心血管疾病是强烈推荐的最佳预测。然而,当另一个模型被认为是,他们执行同样M5P,展示其优良的健身做出明智的决定和预测提出了cdp系统。
图6描述了基于精度预测机器学习模型在匈牙利数据库的性能。获得准确的代表树、M5P线性回归,和随机树是88.44%,75.75%,74.32%,和99.81%,分别。这里的目的是改善心血管疾病预测的准确性。根据结果,随机树的准确性最高99.81%,强烈推荐最佳心血管疾病的预测。因此,医学专家可以专注于如何使用该机器学习模型来提高心血管疾病临床资料分析。
图7描述了机器学习模型的预测性能在匈牙利数据库使用的预测时间的措施。预测时间代表树,M5P,线性回归,和随机树0.04(秒),0.43(秒),0.01(秒),分别和0.02(秒)。目标,在这种情况下,是预测心血管疾病在更短的时间内更大的准确性。根据结果,线性回归和随机树了0.01(秒)和0.02(秒),分别,更少的时间来预测。结果,这两个模型是高度推荐最佳心血管疾病的预测。
4.4。分析使用Statlog(心)数据库
机器学习技术的分析Statlog(心)数据库表是这里介绍和演示3。
使用美,RMSE,准确性、时间和措施表3展示了机器学习模型的预测性能Statlog(心)数据库。0.0011,0.0011,0.0011,和0.0014美值派生通过朴素贝叶斯、J48,随机树,和JRIP分别。朴素贝叶斯、J48随机树,JRIP RMSE值为0.0231,0.0231,0.0231,和0.0327,分别。同样,朴素贝叶斯和随机树的精度测量是%。J48的准确观察和JRIP是99.9%。一个随机树,另一方面,在最短的时间内产生最好的结果。
图8描述了机器学习模型的预测性能Statlog(心)数据库使用美措施。美值通过朴素贝叶斯、J48随机树,和JRIP是0.0011,0.0011,0.0011,和0.0014,分别。这里的目标是减少预测误差,和梅是最好的指标来评估模型的预测精度。根据结果,所有三个朴素贝叶斯,J48和随机树方法实现美最低的0.0011。美越低,准确性越高,心血管疾病是强烈推荐的最佳预测。因此,医学专家可以专注于如何使用建议机器学习模型来提高心血管疾病临床资料分析。
将会有一个错误,如果我们太过关注。占大,罕见的错误,必须计算均方根误差(RMSE)。图9描述了机器学习模型的预测性能Statlog(心)数据库使用RMSE措施。朴素贝叶斯的RMSE值获得,J48,随机树,和JRIP是0.0231,0.0231,0.0231,和0.0327,分别。这里的主要目的是减少预测误差,和RMSE是最好的指标来评估模型的预测精度。结果显示,朴素贝叶斯J48,随机树RMSE最低为0.0231。RMSE越低,准确性越高,心血管疾病是强烈推荐的最佳预测。
图10描述了基于精度的机器学习模型预测性能Statlog(心)数据库。朴素贝叶斯的准确性得到J48,随机树,JRIP %, 99.9%, 100%,和99.9%,分别。这里的主要目的是提高心血管疾病的预测的准确性。根据结果,朴素贝叶斯和随机树实现了100%的最高精度和高度推荐最佳的心血管疾病的预测。因此,医学专家可以专注于如何使用该机器学习模型来提高心血管疾病临床资料分析。
图11描述了机器学习模型的预测性能Statlog(心)数据库使用的预测时间的措施。朴素贝叶斯预测时间、J48随机树,和JRIP 0.01(秒),0.15(秒),0.01(秒),分别和3.25(秒)。本研究的目的是预测心血管疾病在更短的时间内以更大的准确性。根据结果,朴素贝叶斯预测方法和随机树花费了0.01(秒)。结果,这两个模型是高度推荐最佳心血管疾病的预测。
4.5。预测代表树和随机树之间的比较分析
数据12和13显示的代表树和随机树使用Statlog创建的数据库(心)。决策树的输出计算使用一个随机的特征子集。代表树构建决策树对于一个给定的数据集,而随机森林混合决策树生成最终的输出结果。代表树的大小21始建于0.02秒。141年随机树的大小,另一方面,花了0.01秒。因此,随机树优于代表树的深度分析用更少的时间和更适合等复杂疾病预测心血管疾病。
图14描述了随机树的比较性能验证在两个Statlog(心)和匈牙利数据库。随机树优于在心血管疾病中的应用预测,精度最高的100%,美最低的0.0011,RMSE最低的0.0231,最快的预测0.01秒的时间(秒)。因此,随机树是强烈推荐最佳心血管疾病的预测。此外,医学专家可以专注于如何使用该机器学习模型来提高心血管疾病临床资料分析。
5。结论
心血管疾病医疗数据分析性能是一个重要的问题,因为它已经成为死亡的主要原因之一。机器学习有潜力提高医生的见解,尤其是对心脏疾病的预测,使得他们能更好地适应病人的诊断和治疗。本文调查了各种机器学习算法的可行性和实用性。拟议的cdp的使命是协助专家做出明智的决定和预测采用机器学习技术。这个工作包括两个数据集,Statlog(心)和匈牙利,用于机器学习分类技术等代表树,随机树,线性回归,M5P树,朴素贝叶斯、J48, JRIP。提出了cdp的性能是评价使用各种指标确定最合适的机器学习模型。在预测心血管疾病的病人,随机树模型精度最高的100%,表现特别好美最低的0.0011,RMSE最低的0.0231和0.01的最快的预测时间(秒)。未来的研究应该集中于提高给定的cdp模型来实现更好的性能在其他类型的医疗数据的分类,从而在一个更具成本效益和节省时间的选择对病人和医生。此外,未来研究可以评估高维数据进行研究。
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称他们没有潜在的利益冲突。
确认
赛义德·Abdelwahab承认塔伊夫大学的研究人员支持项目数量(TURSP-2020/51),塔伊夫大学,塔伊夫,沙特阿拉伯。