TY -的A2 Arbeev康斯坦丁·g . AU - Unnikrishnan p . AU -库马尔,d . k . AU - Poosapadi Arjunan, s . AU -库马尔,h . AU -米切尔,p . AU -川崎,r . PY - 2016 DA - 2016/08/09 TI -发展的健康参数心血管疾病风险预测模型使用SVM SP - 3016245六世- 2016 AB -目前心血管风险评估方法使用健康因素通常执行基于弗雷明汉的研究。然而,这些方法有很大的局限性源于他们可怜的敏感性和特异性。相比我们有弗雷明汉的参数方程与线性回归分析建立模型的训练效果的本地数据库。支持向量机是用于确定机器学习方法的有效性与弗雷明汉的健康风险评估心血管疾病(CVD)的参数。结果表明,线性模型训练时使用本地数据库是一个改善弗雷明汉模型,基于支持向量机的风险评估模型预测心血管疾病有很高的敏感性和特异性。这表明使用健康参数确定使用弗雷明汉的研究中,机器学习方法克服了低弗雷明汉模型的敏感性和特异性。SN - 1748 - 670 - 2016/3016245 / 10.1155 x你——https://doi.org/10.1155/2016/3016245——摩根富林明——计算和数学方法在医学PB - Hindawi出版公司KW - ER