一种基于膳食多模态数据与集成学习的心血管疾病风险预测方法及系统

本发明公开一种基于膳食多模态数据与集成学习的心血管疾病风险预测方法及系统，通过整合人口统计、膳食营养、临床生理生化指标及生活方式等多源异构数据，构建多模态集；基于箱线图法和缺失值处理完成数据清洗，通过皮尔逊相关系数、方差膨胀因子及特征重要性评估筛选关键特征；采用Stacking集成框架融合多个异构基模型，通过5折分层交叉验证生成元特征矩阵，并由逻辑回归元模型实现多层次决策融合；结合SHAP方法量化膳食特征对风险的贡献权重，生成可视化解释图表及个性化干预建议。本发明方法显著提升了预测结果的准确性与稳定性，能够深入剖析膳食因素及其它特征对预测结果的贡献程度与作用机制，为心血管疾病的准确预防与个性化治疗提供有力支持，具有良好的实用价值。