针对脑卒中患者的患病风险诊断问题，使用临床医学数据，结合机器学习算法实现高准确率的预测和辅助诊断。将数据经过冗余剔除和缺失值填充，并通过主成份分析将预处理后的高维特征数据融合，采用极限学习机进行预测。通过对1188位对象采用十字交叉验证实验，预测模型的准确率达到97.13%，优于其他预测算法。实验结果说明，此预测模型在脑卒中的患病诊断上有高准确度和可靠性，可为医生的临床诊断提供有力支撑。
科研之友
微信
新浪微博
Facebook
分享链接
