基于数据挖掘理论的心血管疾病预警方法建模

作者：白贺伊

来源：信息技术, 2020, 44(02): 53-57.

DOI：10.13274/j.cnki.hdzj.2020.02.011

• 心血管疾病
• 数据挖掘
• 特征选择
• 预测
• 体检数据

针对心血管疾病的患病人群呈现年轻化态势,且位列居民死亡原因首位,以及患者再次入院风险较高的问题,文中基于数据挖掘理论,构建了心血管疾病预警模型。首先,对医院及养老机构中的部分体检数据进行提取和转换,同时通过融合过滤、特征类型转换等方法对提取后的体检数据进行关键特征的选择;其次,使用模糊逻辑聚类的方式对关键特征进行登记划分;最后,使用RBF神经网络,根据提取出的关键特征及相应的静态体检数据,构建心血管疾病预警模型。文中使用UCI数据库中搜集的心血管类疾病数据和医院信息系统(HIS)中的体检数据进行模拟,分析集中数据的结构及剔除异常数据,通过Weka源码实现心血管疾病预测模型的建立,为心血管疾病的预测提供了技术参考。