心血管疾病预测的机器学习方法研究

作     者：方婷婷 

作者单位：黑龙江大学 

学位级别：硕士

导师姓名：陈莉莉

授予年度：2022年

学科分类：1002[医学-临床医学] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 10[医学] 

主      题：心血管疾病 机器学习 逻辑回归模型 CatBoost模型 决策树模型 

摘      要：心血管疾病是一种致残率和死亡率极高的慢性疾病,近年来,对我国公共医疗卫生事业的发展造成了阻碍。现如今多数研究注重疾病的治疗,而忽略了疾病预防方面的工作。如果能进行较为有效的心血管疾病的预测,就可以在一定程度上保障居民的身体健康。随着大数据分析的快速发展,机器学习方法在处理复杂数据时可以得到较高的准确率,因此本文在机器学习的基础上进行心血管疾病的预测研究,从年龄、性别、收缩压、舒张压、身高、体重、是否吸烟、是否经常锻炼、是否饮酒、胆固醇、血糖这11种影响心血管疾病的因素入手,对是否得心血管疾病进行详尽的描述性统计分析,从而分析影响该疾病的最主要因素,通过建立模型对心血管疾病进行深入的统计分析,并对心血管疾病进行预测。本文运用的是逻辑回归模型、决策树模型以及一种新型的boosting算法―Cat Boost模型,最后对各个模型的准确率及预测效果进行评价,从而得出Cat Boost模型是最适合本文数据的模型。此分析结果对心血管疾病预测领域的研究有一定的参考性,也为其他疾病预测的完善与发展打下了一定的基础。