.png){kind=icon}
返回
Fuzzy rule-based intelligent cardiovascular disease prediction using complex event processing
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-024-06911-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
心血管疾病（CVDs）是一种由于不健康饮食、缺乏身体活动等因素而迅速上升的全球性担忧。根据世界卫生组织（WHO），主要风险因素包括高血压、高血糖、高血脂和肥胖。近期研究专注于准确且及时地预测疾病以降低风险和死亡率，通常依赖基于大规模数据集训练的预测模型，这些模型需要密集训练。针对CVDs患者的智能系统可以通过有效分析健康参数，极大地协助做出明智决策。复杂事件处理（CEP）已作为一种通过聚合感兴趣的模式及其对最终用户的影响和因果关系来解决实时挑战的有价值方法。在本工作中，提出了一种基于模糊规则的系统来监测临床数据，以提供实时决策支持。基于临床和WHO标准的模糊规则确保预测的准确性。集成方法使用Apache Kafka和Spark进行数据流处理，以及Siddhi CEP引擎进行事件处理。此外，大量与心血管疾病相关的参数通过CEP引擎传递，以确保快速且可靠的预测决策。为验证该方法的有效性，使用实时、未见过的数据进行了模拟以预测心血管疾病。使用合成数据（1000个样本），并将其分为极低风险、低风险、中等风险、高风险和极高风险。验证结果表明，20%的样本被归类为极低风险，15-45%为低风险，35-65%为中等风险，55-85%为高风险，75%为极高风险。
Keyword:
Complex event processing
Fuzzy rules
Pattern of events
Cardiovascular disease
Event analysis
期刊
IF:
2.7
论文数:
1.1K
被引数:
1.0W
机构
引用论文
A fuzzy transformation approach to enhance active learning for heart disease prediction一种模糊变换方法以增强心脏病预测中的主动学习
PREAI
分享收藏Rule Extraction using Machine Learning Classifiers for Complex Event Processing基于机器学习分类器的复杂事件处理规则提取
PREAI
分享收藏分享收藏
Performance Evaluation of Intrusion Detection Streaming Transactions Using Apache Kafka and Spark Streaming使用Apache Kafka和Spark Streaming对入侵检测流式事务的性能评估
PREAI
分享收藏Rule based complex event processing for IoT applications: Review, classification and challenges.png)
EXPERT SYSTEMS
EXPERT SYSTEMSIF2.3
PREAI
分享收藏
分享收藏
查看更多内容