카이 제곱 특성 선택이 포함된 개선된 앙상블 기반 심혈관 질환 탐지 시스템

심혈관 질환(CVD)은 전 세계적으로 주요 사망 원인 중 하나이므로, CVD의 조기 탐지가 중요합니다. 질병 예측을 위해 딥 러닝 및 기계 학습(ML)을 포함한 많은 지능형 기술이 의료 시스템에 통합되고 있습니다. 본 논문은 카이 제곱 특성 선택이 포함된 투표 앙상블 ML을 사용하여 CVD를 조기 탐지합니다. 우리의 접근법은 순수 베이즈, 랜덤 포레스트, 로지스틱 회귀(LR) 및 k-최근접 이웃을 포함한 여러 ML 분류기를 적용하는 것이었습니다. 이러한 분류기는 정확성, 특이성, 민감도, F1 점수, 혼동 행렬 및 곡선 아래 면적(AUC)과 같은 지표를 통해 평가되었습니다. 다양한 ML 분류기에서 예측을 결합하여 투표 메커니즘을 통해 앙상블 모델을 생성하였으며, 이 모델의 성능을 개별 분류기와 비교하여 측정했습니다. 또한, 클리블랜드 심장 질환 데이터셋의 13개 임상 특성에 걸쳐 303개의 기록에 카이 제곱 특성 선택 방법을 적용하여 가장 중요한 5개 특성을 식별했습니다. 이 접근법은 앙상블 모델의 전반적인 정확성을 향상시켰고 계산 부담을 50% 이상 상당히 줄였습니다. 뛰어난 효과를 보인 우리의 투표 앙상블 모델은 92.11%라는 놀라운 정확성을 달성하였으며, 이는 단일 최고 분류기(LR)보다 평균 2.95% 향상된 결과입니다. 이러한 결과는 앙상블 방법이 CVD 예측의 정확성을 향상시키기 위한 실행 가능하고 실용적인 접근법임을 나타냅니다.