基于深度学习的高血压风险预测模型的构建
张添玉1
邢春国1
马雨杨1
圣文顺2
1.211800 江苏 南京,江苏卫生健康职业学院 数智医疗技术学院2.211200 江苏 南京,南京工业大学 计算机与通信工程学院
摘要：目的 构建高血压风险预测模型,为基层医疗卫生机构提供高血压疾病早期筛查与诊疗的智能化决策支持.方法 基于Kaggle心血管疾病数据集,通过数据标准化处理和可视化分析挖掘年龄、血压等 11 项特征的分布规律.采用Keras框架构建四层全连接神经网络,嵌入Dropout层防止过拟合,运用网格搜索法测试Adam/SGD优化器、交叉熵/均方误差损失函数、0.001～0.100 学习率及 32～256 批大小参数组合,通过五折交叉验证优化模型结构.结果 构建的深度学习模型在测试集上表现稳定,二元交叉熵损失函数+Adam优化器为最优模型,最佳训练准确率为 64%,最佳验证准确率为 70%.五折交叉验证结果显示,不同折次间准确率验证了模型的可靠性.参数优化实验表明,Adam优化器配合 0.010 学习率、64 批大小的参数组合性能最优,该组合下模型收敛速度最快,且无明显过拟合现象,显著优于SGD优化器及其他参数组合.结论 研究建立的神经网络模型能有效识别高血压风险人群,可为社区医院提供高效的高血压辅助诊断工具,对实现高血压疾病二级预防具有临床应用价值.
关键词：高血压预测模型深度学习数据分析基层卫生
资助基金：江苏省教育厅高校哲学社会课题(2025SJYB0590)江苏省教育科学院教改课题(ZDZC128)江苏省职业教育研究课题(XHYBLX2025153)江苏省高校人工智能通识教育教学改革研究专项课题(2025AIGE066)江苏卫生健康职业学院校级科研项目(JKD202416)
论文发表日期：2026-03-20
在线出版日期：2026-03-31（本平台首次上网日期，不代表文献的发表时间）
页数：7( 172-178 )
英文信息