一种基于残差神经网络的冠心病风险预测模型的构建方法

本发明提供了一种基于残差神经网络的冠心病风险预测模型的构建方法，包括如下步骤：S1、获取医院记录病人的检查数据，基于检查数据和风险因素形成临床数据；S2、对获取的临床数据进行预处理；S3、将预处理后的临床数据分为训练集、验证集以及测试集，通过嵌入法和XGBoost模型进行特征选择；S4、构建残差神经网络，将S3选择的特征输入到残差神经网络中，采用十折交叉验证进行训练和验证，得到训练后模型和验证结果；S5、基于验证结果对训练后模型的参数进行优化，得到优化后模型；S6、利用测试集数据对优化后模型进行冠心病的风险预测。本发明能够更高效地从患者的临床数据中提取关键特征，从而帮助临床医生做出更准确的诊断。