基于智能算法的心血管疾病關聯研究

李欣宇 王雯 祝騰飛

摘 要：目前，心血管疾病已經成為重大的公共衛生問題，我國的心血管發病率呈持續長升趨勢。對心血管疾病進行多因素關聯分析可為臨床決策提供指導作用。因此，通過加權似然函數法構建樹，基于粒子群算法實現模型參數優化，選取具有最大加權似然函數值的路徑為最優路徑，從而實現疾病關聯分析研究。通過仿真實驗，充分表明基于粒子群算法的關聯分析具有良好的穩定性。

關鍵詞：心血管疾病;粒子群算法;關聯分析

中圖分類號：F24 ? ? 文獻標識碼：A ? ? ?doi：10.19311/j.cnki.1672-3198.2020.07.044

0 引言

目前，中國心血管病的發病人數持續增長，且心血管疾病占城鄉居民總死亡原因的首位，從近年來中國心血管病（CVD）與其它疾病的死亡率對比統計分析情況中可以看出，以10萬為基數，農村與城市相對比，CVD死亡率比為295.63：261.99，其中心臟病死亡率比為143.72：136.21、腦出血比為74.51：52.25和腦梗死比為45.30：41.99。由此可見，心腦血管疾病的防治已成為重大的公共衛生問題。目前，盡管臨床醫生和研究者開展了與心血管疾病的大量相關研究，但更多地局限于某些指標的影響分析，缺乏普適的分析方法實現與疾病相關的致病因素研究。針對此問題，本文提出一種基于粒子群算法的疾病關聯分析方法，為臨床診療提供決策支持。

1 方法

2 實驗分析

采用仿真實驗數據對方法進行驗證。分別生成疾病組和對照組，設置100個指標屬性，并分別設置與心血管疾病相關的致病因素數量為50、60、70、80和90。在不同的人群風險度PAR下進行致病因素的識別。……