首页|基于机器学习算法的脑卒中疾病早期预测模型研究

基于机器学习算法的脑卒中疾病早期预测模型研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
采用支持向量机(SVM)、随机森林(RF)和逻辑回归(LR)等机器学习方法对脑卒中患者进行分类研究,构建脑卒中疾病预测模型,以期为疾病发生提供早期预警.对kaggle网站下载healthcare-dataset-stroke-data的数据通过SMOTE智能过抽样算法构建均衡数据集,运用支持向量机、随机森林和逻辑回归算法构建脑卒中预测模型.将SMOTE算法优化前后的预测结果进行比较分析,并采用支持向量机、随机森林和逻辑回归算法对优化后的数据集构建疾病预测模型,其结果的准确率、精确度、召回率和ROC值都有明显提高.仿真实验结果可知SMOTE+随机森林算法预测模型的准确率、精确度、ROC值都优于支持向量机和逻辑回归预测模型,可用于脑卒中疾病的早期预测,为医疗手段干预赢得时间,对降低脑卒中的发病具有重要意义.
Early Prediction Model of Stroke Based on Machine Learning Algorithm

郭志恒、刘青萍、刘芳、王成武、阮旭凌

展开 >

湖南中医药大学信息科学与工程学院 长沙 410208

湖南中医药大学中医学国内一流建设学科 长沙 410208

湖南中医药大学药学院 长沙 410208

脑卒中 机器学习 支持向量机 逻辑回归 随机森林 SMOTE算法

国家自然科学青年项目2020年湖南省学位与研究生教育改革研究项目湖南中医药大学中医学国内一流建设学科开放基金湖南中医药大学信息科学与工程学院电子科学与技术学科开放基金

817040642020JGYB1322018ZYX172018-2

2021

10.3969/j.issn.1672-9722.2021.11.002

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(11)
  • 1
  • 8
  • 6