摘要: 基于机器学习技术及信息增益特征的评估方法,文章采用MPI技术所得到的患者心脏参数及医生诊断的临床数据构建冠心病诊断支持模型,为冠心病诊断提供了一种智能决策方法。通过对江苏省XX医院脱敏真实临床数据的筛选,得到同时进行过"双源CT"以及"核素"检查的病人共621例,对其补全及离散化处理后随机分成521例的训练集及100例的测试集。采用信息增益方法进行特征选择以筛选出对冠心病诊断支持的相关特征,并使用不同机器学习技术构建分类模型。在逻辑回归、随机森林、决策树构建的冠心病诊断模型中,通过信息增益最终筛选出Gender,LHR,SRS等14个特征后构建的决策树分类诊断模型在测试集准确率达到72%,该决策树算法训练出的模型最适合用于该冠心病数据集"双源CT"检查结果的预测。