利用神经网络和决策树预测心脏病发作风险

S.Florence¹， n.g.布瓦内斯瓦里·阿玛², G.Annapoorani²和K.Malathi²

PG学者，印度信息技术研究所，斯里兰加姆，蒂鲁奇拉帕里，印度
教师，印度信息技术研究所，斯里兰加姆，蒂鲁奇拉帕里，印度
印度蒂鲁奇拉帕利理工学院工程学院助理教授

摘要

医疗保健环境的数据越来越丰富，但由于缺乏数据分析工具，从这些数据中获得的知识量非常少。我们需要从数据中找出隐藏的关系。在医疗保健系统中，为了完美地预测心脏病发作，有一些技术已经在使用。在Naïve贝叶斯等可用的技术中，有一些缺乏准确性。在此，本文提出了一种利用神经网络和决策树(ID3)来预测心脏病发作的系统。这里使用具有6个属性的数据集来诊断心脏病发作。所使用的数据集为UCI机器学习库提供的acath心脏病发作数据集。预测结果比其他预测方法更准确。

关键字

Naïve贝叶斯，神经网络，决策树，ID3，心脏病发作

介绍

心脏病发作是30岁以上人群的通病。胆固醇水平是导致心脏病发作的另一个主要问题。数据库中的知识发现是一个定义良好的过程，包含几个不同的步骤以获得完美的准确性。数据挖掘是其中的核心步骤，其结果是发现隐藏的有用知识信息。这些发现的知识将被医疗管理人员用来预测一些疾病和问题，如心脏病发作。预测患者未来的行为是数据挖掘技术的主要应用。数据库中知识发现的正式定义如下:“数据挖掘是对数据中隐含的、以前未知的、潜在有用的信息的非平凡提取”[1]。

医学诊断是一项重要而复杂的工作，需要准确、高效地完成。该系统的自动化是非常必要的，以帮助医生更好地进行诊断和治疗。糟糕的临床决策可能导致灾难性的后果，因此是不可接受的。当今医疗保健系统的主要挑战是高质量地预测疾病。

医生做出的临床决策容易出错，给患者带来一些问题。该系统应实现自动化，以准确预测疾病。医疗保健系统的主要问题之一是预先预测患者的心脏病发作。有一些技术可以准确地预测这些事情。现有的数据挖掘技术没有被正确地用于预测医疗保健系统中的疾病。

算法

有各种数据挖掘技术，它们的适用性取决于领域应用程序。统计为结果的量化和评价提供了强有力的基本背景。然而，基于统计的算法在应用于数据挖掘之前需要进行修改和扩展。我们现在描述一些分类数据挖掘技术，并举例说明它们在医疗保健中的应用。

决策树包括CART (Classification and Regression tree)、ID3 (Iterative dictomized 3)和C4.5。这些算法在选择分裂、何时停止分裂节点以及将类分配给非分裂节点[5]等方面有所不同。CART使用Gini指数来衡量一个分区或一组训练元组[6]的杂质。它可以处理高维分类数据。决策树也可以处理连续数据(如回归)，但必须将它们转换为分类数据[16]。使用训练数据集对神经网络进行训练，然后使用测试数据对结果进行测试。它将显示高水平的准确性，因为实现了[15]的神经元数量。

由加州大学机器学习存储库[13]提供的心脏病发作数据集。数据集包含6个属性，如年龄、性别、心脏持续时间、信号、发作可能性。最后一个是类标签。根据数据集中出现的属性值，对应的类标签即预测发生在最后阶段。UCI存储库中可用的心脏病发作数据集用于实验目的[12]。预处理是知识发现过程中的一个重要步骤，因为现实世界的数据往往是不完整的、有噪声的和不一致的。数据预处理包括数据清洗、数据集成、数据转换和数据缩减。数据清理例程试图填充缺失值，消除噪声，同时识别异常值并纠正数据中的不一致。在这项拟议的工作中，最可能的值被用来填补缺失的值。数据转换例程将数据转换为适合挖掘的形式。

归一化对分类很有用。通过规范化训练元组中测量的每个属性的输入值，将加快学习过程。在这项工作中，使用的归一化技术是最小最大归一化。[17]中讨论的式(1)给出的min-max归一化定义如下:

(1）

替换缺失值过滤器将扫描所有(或选定的)标称和数值属性，并用模式和平均值替换缺失值。离散化滤波器用于将数值属性转换为标称属性;然而，当将实例分组在一起时，无监督版本不考虑类信息。在使用这样的过滤器时，总是存在一种风险，即与类相关的不同实例之间的区别可能会被消除。

所提出的工作框图如图1所示。用于训练和测试的数据集来自UCI机器学习库。对数据进行预处理并进行分类。数据集分为两部分。75%的数据用于训练，25%用于测试系统。从分类中获得的知识用于测试系统。为了分类，我们使用了神经网络和决策树。所提出的神经网络结构如图2所示。

输入层由6个节点组成，隐藏层由3个节点组成，输出层由2个节点组成。只有一个隐藏层是基于输入层进行处理的。最后它显示了两个输出，即心脏病发作的可能性。这种预测是使用名为Rapid Miner Studio的工具完成的。使用神经网络中可用的神经元接收输出。表1显示了心脏病发作数据集的摘要。数据集包含6个属性，包括类标签。

仿真结果

从UCI机器学习中获得的心脏病发作数据集用于训练和测试医疗诊断系统。这种预测是使用名为Rapid Miner Studio的工具完成的。

神经网络描述

用于训练的激活函数是sigmoid函数。阈值和偏差是基于试验和错误设置的。由决策树生成的规则示例如下:

规则1:如果年龄大，性别是女性，胆固醇高，那么tvdlm是肯定的

规则2:如果年龄是年轻的，性别是女性，Sigdz是正常的，那么tvdlm是no

规则3:如果年龄大，性别是男性，胆固醇高，那么tvdlm是肯定的

心脏病发作数据集的统计分析见表2。该表给出了所有属性的最小值、最大值、平均值和标准差。生成的输出统计图如图3所示。

图4所示。所述工作的受试者工作特征(ROC)曲线。它是一个图形图，说明了二元分类器系统的性能，因为它的区分阈值是不同的。该曲线是通过绘制各种阈值设置下的真阳性率和假阳性率来创建的。

结论

研究了不同数据挖掘算法的约束和总结问题。我们专注于使用不同的算法来预测几个目标属性的组合。本文提出了一种基于数据挖掘的智能、有效的心脏病发作预测方法。在今后的工作中，可以进一步加强和拓展。为了有效地预测心脏病发作，列出了15个属性。除了医学文献中列出的15种，我们还可以结合其他数据挖掘技术，例如时间序列、聚类和关联规则。

表格一览


表1	表2

数字一览


图1	图2	图3	图4

参考文献

弗劳利和皮亚茨基-夏皮罗，“数据库中的知识发现:概述”。AAAI/MIT出版社，门洛帕克，加州，1996年。

K.Srinivas，“数据挖掘技术在医疗保健和心脏病预测中的应用”。(计算机科学与工程学报)Vol. 2, No. 02, 2010, 250-255, 2010。

ShantakumarB。“基于数据挖掘和人工神经网络的智能心肌梗死预测系统”，《中国医学研究》，2009年第4期，pp.642-656。

ShantakumarB。Patil和Y.S.Kumaraswamy，“从心脏病仓库中提取用于心脏病发作预测的重要模式”，国际计算机科学与网络安全杂志，卷。9，第2期，页228-235,2009。

"糖尿病患者心脏病发作、中风或充血性心力衰竭的住院治疗"，新墨西哥州特别报告:2001 - 2003年

“心脏病”来自http://wikipedia.org

Rumelhart, d.e.， McClelland, j.l.，和PDF研究小组，并行分布式处理，麻省理工学院出版社，剑桥，1996年。

Heckerman, D.，“贝叶斯网络学习教程”，微软研究院，1995年。

那不勒斯，R.，“学习贝叶斯网络”。，伦敦:Pearson Printice Hall出版社，2006年。

Krishnapuram, B.等，“联合特征选择和分类器设计的贝叶斯方法”，IEEE模式分析和机器智能汇刊，卷。6， 2004年第9期，第1105-1111页。

王晓峰，王晓峰，“基于数据挖掘技术的智能心脏病预测系统”，计算机科学与技术，Vol.8, No.2, pp. 239 - 239, 2009。

Pedro Domingos, Michael Pazzani，“关于0 - 1损失下简单贝叶斯分类器的最优性，机器学习”，Kluwer学术出版社。荷兰制造，第103 - 130页，1997。

“心脏病数据集”，www.ucirepository.com

ConstantinosKoutsojanniset。al.，“在医学应用中使用神经模糊方法”，斯普林格出版社柏林海德堡，2007年。

M.Anbarasi, E.Anupriya, N.CH.S.N。基于遗传算法的特征子集选择增强心脏病预测?，《工程技术学报》，Vol.2, No.10, pp. 570 - 576, 2010。

韩佳伟，数据挖掘概念与技术?摩根·考夫曼出版社，2009年。

HaiH。大坝,HussainA。姚鑫，“基于神经学习的分类器系统”，《计算机工程学报》，Vol.20, No.1, pp. 39 -39, 2008。

Niti Guru, Anil Dahiya和NavinRajpal，“使用神经网络诊断心脏病的决策支持系统”，德里商业评论，卷。8, 2007年第1期，第99-101页。

国际计算机与通信工程创新研究杂志