[论文解读] Feature selection for medical diagnosis: Evaluation for using a hybrid Stacked-Genetic approach in the diagnosis of heart disease

Jafar Abdollahi, Babak Nouri-Moghaddam|arXiv (Cornell University)|Mar 15, 2021

Artificial Intelligence in Healthcare参考文献 47被引用 9

一句话总结

本文提出了一种混合堆叠-遗传特征选择方法，结合集成学习与遗传算法，以提高心脏病诊断的准确性。通过优化特征子集，该方法实现了97.57%的准确率，识别出铊扫描和血管阻塞为区分健康与患病患者的最具预测性的特征。

ABSTRACT

Background and purpose: Heart disease has been one of the most important causes of death in the last 10 years, so the use of classification methods to diagnose and predict heart disease is very important. If this disease is predicted before menstruation, it is possible to prevent high mortality of the disease and provide more accurate and efficient treatment methods. Materials and Methods: Due to the selection of input features, the use of basic algorithms can be very time-consuming. Reducing dimensions or choosing a good subset of features, without risking accuracy, has great importance for basic algorithms for successful use in the region. In this paper, we propose an ensemble-genetic learning method using wrapper feature reduction to select features in disease classification. Findings: The development of a medical diagnosis system based on ensemble learning to predict heart disease provides a more accurate diagnosis than the traditional method and reduces the cost of treatment. Conclusion: The results showed that Thallium Scan and vascular occlusion were the most important features in the diagnosis of heart disease and can distinguish between sick and healthy people with 97.57% accuracy.

研究动机与目标

• 通过机器学习提高心脏病诊断的准确性和效率。
• 通过在不牺牲预测性能的前提下减少特征空间，解决高维医学数据的挑战。
• 开发一种稳健的特征选择方法，以增强医学诊断中的分类模型。
• 评估混合堆叠-遗传方法在识别心脏病预测中最相关特征方面的有效性。

提出的方法

• 该方法采用基于包装器的特征选择策略，利用遗传算法搜索最优特征子集。
• 通过组合多个基础学习器，集成学习技术被用于提升分类性能。
• 遗传算法基于分类准确率，通过选择、交叉和突变操作演化候选特征子集。
• 使用堆叠集成模型从多个基础分类器的预测中元学习，以增强整体鲁棒性。
• 特征选择由适应度函数引导，以在验证数据上最大化分类准确率。
• 该方法被应用于公开的心脏病数据集，以在真实世界的医学数据上评估性能。

实验结果

研究问题

• RQ1 与传统特征选择方法相比，混合堆叠-遗传方法是否能提高心脏病诊断的准确性？
• RQ2 在该混合模型的背景下，哪些特征对心脏病最具预测性？
• RQ3 将集成学习与基于遗传算法的特征选择相结合，对模型性能有何影响？
• RQ4 通过该方法进行降维在在多大程度上保持或提升了诊断准确性？
• RQ5 在最终模型中，单个临床特征（如铊扫描和血管阻塞）的相对重要性如何？

主要发现

• 混合堆叠-遗传方法在心脏病诊断中实现了97.57%的分类准确率。
• 铊扫描和血管阻塞被确定为区分健康与患病患者最具显著性的特征。
• 特征选择过程显著降低了维度，同时保持了高预测性能。
• 集成学习组件有助于提升最终模型的鲁棒性和泛化能力。
• 遗传算法有效探索了特征空间，并收敛到一个高性能的特征子集。
• 该方法通过结合进化计算与堆叠集成学习的优势，优于基线方法。