36、医疗与社交数据的智能分析：心脏病预测与疫情情绪洞察

医疗与社交数据的智能分析：心脏病预测与疫情情绪洞察

1. 心脏病预测模型

1.1 背景与需求

心血管疾病是当今世界最危险的疾病之一。据统计，全球每年因心脏疾病导致的死亡人数超过 1770 万，其中冠心病和心脏骤停是主要死因。在印度，约 24% 的年度死亡与各种冠心病有关。传统检测方法如血管造影成本高昂，因此需要开发低成本、高质量的医疗产品和科学的早期诊断系统。同时，传统方法和设备产生的大量数据为机器学习算法训练提供了基础，可用于开发心脏病早期诊断模型。

1.2 相关研究综述

• Chitra 等人 ：使用监督学习分类器预测冠心病，以 UCI 冠心病数据集的 13 个属性作为训练集，并与支持向量机（SVM）进行结果对比。
• Abhisekh 等人 ：利用数据挖掘技术预测心脏病，从超声心动图报告收集约 7008 名患者数据，提取 20 个变量，经专家建议选取 15 个属性，使用决策树、神经网络和贝叶斯分类器，并基于分类准确率和 ROC 曲线下面积评估算法。
• Al - milli 等人 ：提出反向传播神经网络预测冠心病，使用 Uci Cleveland 数据集，166 条数据用于训练，50 条用于测试，设置 3 个隐藏层，分别包含 8、5、2 个神经元。
• Ishthake 等人 ：运用数据挖掘策略构建智能心脏病预测设备，从克利夫兰心脏病数据库获取 909 条含 15 个临床属性的数据，决策树和神经网络使用分类算法，回归、关联规则和