文摘

介绍。心脏病是成为全球最重要的死因,是最昂贵的慢性疾病之一。目的。心脏病死亡率增加刺激的事件,一个有效的、低成本、可靠的心脏病风险评估模型是使用重要的非侵入性的开发风险属性。重大的非侵入性的风险属性(年龄、收缩压、舒张压、BMI、遗传因素、吸烟、酒精,和缺乏身体活动)是被医学领域专家的帮助下,和他们在心脏病的可靠性预测是研究通过不同的特征选择方法。方法。使用特定的调查技巧的增强随机森林,朴素贝叶斯、决策树、支持向量机和K最近邻的风险因素进行测试。心脏疾病风险评估模型是使用Jupyter笔记本开发web应用程序,并测试其性能不仅通过医疗领域措施也通过模型性能的措施。发现。评估心脏疾病风险评估模型,我们计算的歧视措施像错误率,AUROC,敏感性、特异性、准确性、精密,等等。实验结果表明,随机森林心脏病的风险评价模型优于现有的其他风险模型和令人钦佩的预测精度和最小的误分类率。创意。心脏病风险评价模型开发了基于新的非侵入性心脏病数据集,它包含5776条记录。这个数据集收集来自不同异构数据源的克什米尔(印度)通过定量数据收集方法。研究的意义。风险模型是适用的,人们缺乏综合初级医疗保健技术的设施不合时宜的心脏病风险预测。未来的工作。调查深入学习和研究其他控制属性的重要性在不同的年龄和性别组患心脏病的风险评估。

1。介绍

心脏病是最具影响力的社会经济和公共卫生问题,这可能会影响两性与大量的伤亡和其他障碍(1,2]。无论是最广泛的慢性疾病导致很大一部分残疾和死亡率在全球范围内,心脏病是公认的最可避免和控制疾病(3]。初步识别心脏疾病的受害者可以受益于康复病人的健康和死亡比率递减(4]。如果我们要减少新兴从心脏病的令人担忧的情况下,隐式识别其因果因素推动世界不利情况(5]。人们普遍认为危险因素如年龄、有害摄入酒精,不健康的饮食、吸烟、和停滞的重大风险属性是心脏病和持续暴露于这些风险属性导致了高血压、糖尿病、血脂异常、肥胖、和中风(6- - - - - -12]。心脏病的初始预测减少发展关键条件和复杂性13,14]。因此,保持查看其后果,我们开发了一个心脏疾病风险评估模型使用机器学习技术,这将有助于医生最初的预测具有较高的预测能力。

2。文献综述

近年来,研究人员作出了决定性的贡献来预测心脏病使用不同的机器学习技术。印度和Awang15)应用朴素贝叶斯、神经网络和决策树对病人使用提升属性和评估模型的性能图表和分类矩阵。然而,使用的模型仅仅是利益相关者。Anooj [16]运用加权模糊规则发展的风险模型,然后通过神经网络评估其性能系统基于UCI数据集心脏病。希夫(17超音波检查发现)收集的数据集和应用J48分类器,朴素贝叶斯和多层感知器的重大风险属性。这些研究人员分析了模型的结果,观察到模型优化的准确性和特异性率高。苏和奈尔18)应用决策树、朴素贝叶斯和K最近邻技术首次预测心脏病。Purushottam et al。19C4.5)应用支持向量机,神经网络部分,多层感知器,径向基函数找出几个病人之间的关系,发现心脏病的原因。金和康20.)收集韩国心脏病4146条记录的数据集和应用神经网络使用功能相关性分析来识别重大风险属性和识别特性之间的相关性关系的存在。该模型优于弗雷明汉风险评分。哈克et al。21)开发了混合心脏病模型在克利夫兰数据集和应用分类算法和选择算法选择重要属性。他们使用10倍交叉验证对系统验证和检查使用七种不同的分类器的性能评价指标。沙et al。22)收集Z-Alizadeh萨尼从伊朗患者和10机器学习算法应用于预测心脏病。他们介绍N2Genetic优化器提供最佳的准确性和f - 1的分数而预测心脏病风险。Budholiya et al。23)提出了一个方法来识别重要的心脏病风险属性使用基于意味着费舍尔的特征选择算法和基于准确性的特征选择算法。研究人员使用主成分分析提炼所选特征子集,子集以及由此产生的功能是用于分类目的通过RBF-based支持向量机(SVM)。马丁斯et al。24)应用贝叶斯优化XG提升分类器和一个炎热的编码技术来预测心脏病。评估模型的性能在克利夫兰心脏病的数据集,并且结果与不同的现有模式。Barik et al。25)应用决策树优化决策树,随机森林,和其他算法来预测心脏病在其初始阶段。这些风险模型被开发使用RapidMiner和WEKA工具和精度的基础上,分析了精度、灵敏度和特异性。虽然不同的方法和算法被用来预测心脏病与最佳精度最先进的研究;然而,一些执行效率较低。我们的研究集中在识别重要的非侵入性心脏病的风险属性通过使用不同的特征选择方法和分类算法。获得的结果是一个测量表明这些技术如何有效地用于医学领域。

3所示。研究设计心脏病风险的评价模型

建立一个高效的心脏病的风险评价模型,我们制定研究设计中所描述的人物1。

拟议的研究设计包括四个主要阶段。

3.1。数据阶段

从数据收集数据阶段包含整个过程工程。这一阶段包括定性数据收集、预处理子系统,清理数据集中存储,特征选择的步骤。在这个阶段,进行基本的统计描述了解心脏病的每个属性值的数据集。心脏病数据集包括名义和风险数值属性的组合。失踪的数值是通过简单的意味着归责方法,和分类缺失的值是由模式归责技术。我们对心脏病进行类平衡测试的数据集,因为高度不平衡数据的机器学习算法的偏见。分析后,发现心脏病的数据集是平衡和(−0.03065287)的偏斜度和峰度(−2.000136)。这些值的偏斜度和峰度代表心脏病通常是分布式数据集值。

数据集包含5776条记录,其中2745(47.5%)有心脏病,和3031年(52.5%)是健康的。心脏病会影响男性和女性大约在同一比例有实质性的死亡率和障碍,并准确地预测了几种最基本的原因,如社会、商业和文化转型。长期披露这些风险属性影响最严重,最终导致死亡。

3.1.1。发现不同心脏疾病风险之间的关联属性

在这个研究中,皮尔森相关应用于检查心脏疾病之间的相互关系的属性。应用的结果之间的皮尔逊相关系数的心脏病的风险属性如图2热图的形式表示。热图电网代表心脏疾病之间的相关性属性与相应的系数。热图分析之后,我们发现独立的属性是松散的关联,这是一个好的迹象来提高模型的性能。但是,如果属性数据集(称为多重共线性)紧密相连,然后一个变量的变化会导致另一个变量变化可以恶化一个算法的性能。属性之间的相关性并不意味着因果关系;因此,强大的属性应该评估之间的关系显著。大多数情况下,通过强烈的相关性属性看起来因果之间的关系,因为一些被忽视的因素。

3.1.2。特征选择技术心脏病风险评估

在这项研究中,过滤器,包装,和嵌入式特征选择方法应用于得到一个适当的首次心脏病风险评价的特征子集。五个不同特性消除技术(额外的树分类器,梯度提高分类器,随机森林,消除递归特性,和XG提高分类器),如图3。

每个风险属性加权的这些特征选择技术按其在疾病预测中的作用。应用特征选择技术之间提供重量的0到1之间的规模风险属性。风险属性的平均值接近1是重要和属性值接近0不太显著的预测心脏病。

表1显示不同的非侵入性心脏病的风险属性与各自的权重分配不同的特征选择技术和整体的意思是所有的技术。这些心脏病的风险属性是由专业的心脏病学家和许多其他一般医生工作在各医院心脏科,印度。

分析结果后,它是派生属性(收缩压、舒张压、年龄、BMI世袭,健康饮食,和身体活动)是最重要的早期预测心脏病。高度加权风险特性是用来开发的重要子集心脏病的风险模型。

3.2。数据挖掘阶段

心脏病数据集通过随机森林开采,决策树、支持向量机、K最近邻,朴素贝叶斯和10倍交叉验证技术。各种医学和模型域等性能指标的敏感性,特异性、准确性、精密,AUROC得分,误分类率,计算复杂度和可理解性计算获得最优和准确的结果。下述描述的实验结果得到不同的心脏疾病风险评估模型。

3.3。模型评估和验证阶段

3.3.1。决策树模型的实验结果

应用决策树的基本原理是开发一个心脏病的风险评价模型,可以预测一个类(患病或健康)通过学习简单的决策规则推导出从训练数据25]。训练数据集上的交叉验证用于得到公正的结果(26]。性能结果的敏感性、特异性、准确性、精密,错误率,AUROC分数使用决策树模型(图导出4。

灵敏度(26决策树的心脏病模型等于0.82。越接近这个测量的值是1,更好的规则识别那些有心脏病的病人。的特异性27模型的)= 0.80。接近这个测量的值是1,最好的规则是在识别这些患者没有疾病。整个决策树模型的精确度等于0.81,代表心脏病决策树模型的整体性能(诊断病变和nondiseased心脏病病例)。如果模型的精度高,模型更准确的预测健康和患病的情况下。精度等于0.84。这个测量的值越接近1,机会越大,那些积极的结果会有疾病。如果一个决策树模型的精确率高,那么它意味着模型将获得一个低的假阳性率。这个决策树模型的错误率是相当于0.18。比例越低的误分类率模型,模型更能精确地确定患病和健康情况。AUROC分数等于0.81。 The area under a correlation curve plotting true positive against false positive is higher for models best able to correctly identify positive and negative cases.

3.3.2。再模型的实验结果

使用K最近邻算法的目的是开发一个风险评价模型,该模型可以预测心脏病早期。我们使用了10倍交叉验证对训练数据得到最优和公正的结果28,29日]。图5事例展示了心脏疾病模型,通过使用这个,我们获得的灵敏度、特异性、准确性、精密,错误率,和AUROC分数等于0.73,0.66,0.69,0.69,0.30,和0.70,分别。

3.3.3。支持向量机模型的实验结果

在这项研究中,我们使用支持向量机模型预测心脏病的早期阶段(30.,31日]。心脏病SVM模型如图6使用这个模型,我们得到了灵敏度、特异性、准确性、精密,错误率,和AUROC分数等于0.82,0.81,0.82,0.84,0.17,和0.82,分别。

3.3.4。随机森林模型的实验结果

心脏病随机森林模型的预测结果如图所示7(32]。随机森林模型识别不同病人情况的敏感性为0.85,特异性为0.83,0.84,精度精度0.85,0.15的错误率,AUROC得分为0.85。

3.3.5。朴素贝叶斯模型的实验结果

朴素贝叶斯风险评估模型如图8用于预测心脏病在其初始阶段。我们应用10倍交叉验证对心脏病数据集达到最大精度和公正的结果。高斯朴素贝叶斯风险模型的性能结果灵敏度等于0.72,特异性等于0.66,总体精度等于0.69,精度等于0.70,出错率等于0.30,AUROC分数等于0.70。

3.4。以知识为基础的阶段

以知识为基础的阶段包括存储和检索的步骤了解心脏病。心脏病风险生成的规则将存储在知识库和反复核对按照医学指南和专业领域知识。发达心脏疾病风险评估模型是创新的,因为它能够识别心脏病患者的风险程度只使用非侵入性的风险属性,从而支持其应用程序作为一个公共筛选试验。为简单起见,我们称这种模型心脏病的风险评价模型(HDREM)。图9显示HDREM及其工作的三个主要组件:知识库、推理引擎,和接口。

知识库组件适用于该模型在非侵入性心脏病数据属性提取专家系统规则。推理引擎使用提取的规则,用户的输入组件的结论来自知识库,提出了用户通过用户界面。“沟通”屏幕的用户界面允许用户输入输入数据,和专家系统返回的心脏病的风险程度计算推理引擎。

组合的结果表明,年龄、收缩压、舒张压、BMI、健康饮食、遗传和物理活动提供了最好的结果。这些规则被提取到创建图表作为社区筛查来支持医疗保健专家预测心脏病患者的风险程度。一组最优的预测风险规则生成使用above-derived属性组合,帮助在最初预测心脏病的受害者。生成的心脏病风险评估规则是修剪,评估,由不同的医学领域专家和验证;然而,他们的使用被限制作为提取规则归纳,因为他们是基于特定的民族心脏病数据集。

4所示。综合风险模型的结果

我们模拟的实验结果完成发达与主流研究心脏病风险模型;获得的结果是最好的基于研究的结果发表在《文学。然而,有一些例外,每一个提议的心脏病风险评估模型,如下所述。(我)在风险决策树模型,推导出决策树规则复杂和庞大,这就增加了时间复杂度的风险评价模型,使系统缓慢。(2)K最近邻模型不是最优的风险预测,因为误分类率很高。计算的复杂性和开发了心脏病的风险模型的可理解性也很高。(3)朴素贝叶斯模型预测心脏病并不是最好的,因为误分类率高于现有的模型在文献中提出。除了医疗领域的性能措施,计算复杂度,开发了朴素贝叶斯模型的可理解性很高。误分类率的高值和模型的复杂性因素制约其应用程序,因为医疗预测模型必须满足更高的预测精度和一个误诊可能导致严重后果。

我们也描述的性能和比较提出了风险预测模型通过不同措施如表所示2。实验结果表明,随机森林模型执行最优秀的与其他风险模型相比。开发了心脏疾病风险评估模型的性能测试与流行的风险工具,证明结果是非常令人鼓舞的杰出的预测精度。结果表明,随机森林模型优于其他风险评价模型和最优的准确性为85%,特异性为83%,敏感性为85%,精度为85%,AUROC分数的85%,和较低的误分类率仅为13%。准确性得到随机森林预测心脏病和最高不是通过之前的研究。

图10展示了结合AUROC曲线不同的罹患心脏病风险评价模型。随机森林的风险评价模型AUROC最高得分为0.85,这意味着模型是高度熟练的在预测患病和健康的病人。

5。非侵入性心脏病的风险属性的结果

表3演示了各种组合的非侵入性的性能属性在早期心脏病的风险预测。组合的收缩压,舒张压BP,遗传,和年龄显示最好的精度77.3%通过决策树模型。我们也测量所有属性组合的敏感性和特异性。这里,灵敏度是最有效的诊断生病的情况下提供适当的照顾。通过增加BMI(身高和体重)属性的组合(年龄、收缩压、舒张压和遗传),风险特性精度是由随机森林模型增加了78.9%。然而,进一步组合的风险属性有不同的排列和组合降低精度。

组合的结果表明,年龄、收缩压、舒张压、BMI、健康饮食、遗传和物理活动提供了最好的结果。这些规则被提取到创建图表作为社区筛查支持医疗保健专家诊断心脏疾病患者的风险程度。

开发模型是使用Python Jupyter笔记本实现web应用程序。图11显示模型的开始屏幕,用户输入他/她的数据,根据数据,计算并显示心脏病风险的程度。

简单的用户界面允许卫生保健从业者识别高危病人心脏病的使用非常低成本的非侵入性的属性。模型是实现在移动和桌面应用程序。

6。结论

我们开发了一个非侵入性的风险评价模型,有助于心脏病的初步预测。重要和重大风险属性选择通过仔细分析心脏病学家和不同的特征选择方法。后重量分配到每一个风险属性通过这个过程中,所有属性权重的整体意思的发展被认为是心脏病风险模型。数值越高体重属性是重要的,起着至关重要的作用在预测心脏病患者在最初阶段。最后,数据挖掘技术使用加权风险属性在预测和诊断心脏病患者。心脏病的数据集使用随机森林开采,K最近邻,支持向量机,决策树,朴素贝叶斯分类器发现如果一个人拥有某些修改的特性将有心脏病的风险。特异性、灵敏度、精度、准确性、误分类率,和AUROC成绩计算为每个方法使用样本外测试检查如何准确执行的风险评价模型。实验结果表明,随机森林模型优于其他模型最高的敏感性,特异性,精度、准确性、AUROC分数,和最小的误分类率。我们完成模拟结果与当前研究;获得的结果,最好的我们的知觉,大于价值发表的文献。 This risk model is applicable where people lack the facilities of the integrated primary medical care technologies for untimely heart disease risk prediction.

7所示。未来的工作

在未来,我们可以使用下面的增强模型。(我)拟议的研究可以提高调查的性能等强大的机器学习技术深度学习(2)风险模型可以通过添加其他非侵入性属性增强(3)风险模型给出最优结果通过识别控制的非侵入性的意义属性,如体重和吸烟在不同年龄和性别组患心脏病的风险评估

数据可用性

心脏病的风险数据用于支持本研究的结果中包括补充信息文件。

的利益冲突

作者宣称没有利益冲突。

补充材料

心脏病的风险数据用于支持本研究的结果中包括补充信息文件。数据的心脏病风险的补充部分。(补充材料)