《Egyptian Informatics Journal》：An integrated deep learning framework for heart disease prediction: combining DGCN feature extraction, fuzzy DBSCAN clustering, and optimized EA-DLSTM with SHAP interpretability
编辑推荐：
心脏病涵盖心力衰竭、冠状动脉疾病与心室颤动等病症，是全球重大健康挑战。心血管疾病（CVD）死亡率上升凸显了对准确高效诊断方法的需求。既往机器学习（ML）与深度学习（DL）研究仍存在数据不平衡、特征选择与模型优化等问题。研究人员提出一种综合心脏病预测系统，采用C
心脏病涵盖心力衰竭、冠状动脉疾病与心室颤动等病症，是全球重大健康挑战。心血管疾病（CVD）死亡率上升凸显了对准确高效诊断方法的需求。既往机器学习（ML）与深度学习（DL）研究仍存在数据不平衡、特征选择与模型优化等问题。研究人员提出一种综合心脏病预测系统，采用Cleveland与UCI数据集。方法包括：采集分析患者数据；利用四分位距（IQR）与合成少数类过采样技术（SMOTE）处理缺失值与类不平衡；采用深度图关联网络（DGCN）提取特征；以模糊逻辑增强的基于密度的带噪声空间聚类（DBSCAN）分割数据集；以自适应海象优化算法（WaOA）优化演化注意力深度长短期记忆网络（EA-DLSTM）进行预测。该系统在UCI数据集准确率达99.62%、精确率99.75%，在Cleveland数据集准确率达99.71%、精确率99.68%。SHapley加性解释（SHAP）值通过强调关键特征贡献保障模型透明性与可解释性。该集成策略在取得高精度的同时，为心脏病早期检测提供了可解释、可靠的系统，弥合了自动预测与临床验证间的差距。
研究背景方面，心血管疾病（CVD）已成为全球首要死亡原因，带来沉重社会经济负担。风险分层模型可识别高危人群，但通过饮食调整与他汀类药物等干预降低风险仍依赖早期准确预测。机器学习（ML）与深度学习（DL）虽在医学诊断中展现潜力，但既往研究普遍受困于数据不平衡、缺失值、特征冗余与模型黑箱问题，且多数模型在Cleveland等小样本基准集上泛化能力存疑。为突破上述瓶颈，研究人员在《Egyptian Informatics Journal》发表该研究，旨在构建一套兼顾高精度、强鲁棒性与临床可解释性的心脏病预测集成框架。
关键技术方法上，研究人员选用公开基准Cleveland数据集（303例、13项临床属性）与UCI心脏病数据集。流程依次为：以四分位距（IQR）法剔除极端生理异常值，连续变量用均值/中位数填补、分类变量用众数填补，经z-score或min–max标准化；仅对训练集施加SMOTE（k=5）解决类不平衡；以深度图关联网络（DGCN）建特征图、经图卷积与注意力得特征重要度并筛选；以模糊逻辑扩展的DBSCAN（Fuzzy DBSCAN）做密度聚类增强特征可分性；以演化注意力深度长短期记忆网络（EA-DLSTM）作分类器，并用自适应海象优化算法（WaOA）调超参；最后以SHapley加性解释（SHAP）做特征贡献可视化。全管道严格训练/测试分离防泄露。
研究结果部分，按原文小节浓缩如下。
实验设置与数据划分策略：采用分层采样80:20切分，所有预处理、SMOTE、DGCN、Fuzzy DBSCAN、WaOA均仅在训练集执行，测试集完全held-out，超参调优不触测试集，确保指标反映泛化能力。
数据集描述与预处理细节：Cleveland集303条、13属性；UCI集为多源合并。连续变量IQR剔异常后z-score标准化，分类变量one-hot/标签编码，ca与thal缺失用中位数/众数填补，SMOTE后训练集负类500、正类268，测试集不变。
基于IQR与SMOTE的数据预处理：IQR以Q1?1.5·IQR、Q3+1.5·IQR为界，仅删超出生理范围的极端值保留高危偏差；SMOTE在训练集内对少数类k近邻线性插值，将原始约54:46平衡至50:50，缓解对多数类偏置。
基于DGCN的特征选择：将特征作节点、互相关作边建图，多层图卷积H(l)=σ(A·H(l-1)·W(l-1))学得表示，以梯度/注意力得重要度分，选top-k降维并保判别性。
模糊DBSCAN聚类：以密度邻域（eps, MinPts）分簇并判噪点，模糊隶属度允许跨簇归属，匹配患者多风险并存特性，作为分类前特征增强而非最终诊断。
EA-DLSTM分类与WaOA优化：EA-DLSTM在LSTM门控上嵌注意力权重作动态特征选择；WaOA以种群初始化EA-DLSTM、按适应度选优、交叉变异并更新，动态调学习率/单元数/批大小。虽数据为表格非时序，研究人员将DGCN与聚类输出视作有序特征序列，借LSTM捕高阶非线性依赖。
分类结果：UCI集准确率99.62%、精确率99.75%；Cleveland集准确率99.71%、精确率99.68%。跨UCI/Cleveland/Switzerland/Long Beach V/Hungary五集对比，所提框架准确率（99.47%/98.36%/95.23%/93.62%/91.74%）均超MDenseNet201、ConvNet-LSTM、BSEL、ACLS-RCNN、HybBPF-ELM。UCI集上BER 89.17%、Kappa 99.34%、SNR 34 dB、执行时间10.02 s，亦优于对照。Fuzzy DBSCAN提升特征可分性，SHAP确认年龄、chol、thalach、oldpeak、ca等为关键贡献特征。
讨论与结论翻译：研究人员指出，该集成框架通过IQR+SMOTE稳固数据质量与类别平衡，DGCN压缩特征空间，Fuzzy DBSCAN抑噪增簇，WaOA-EA-DLSTM捕复杂依赖，SHAP补可解释性缺口。所得近99.7%精度源于严谨防泄露协议与多阶段表征学习，而非单模块堆叠。该工作为小样本临床表型数据提供可复现流水线，桥接自动预测与临床验证，后续可在多中心电子病历与外部队列中校验。结论为：结合DGCN特征提取、模糊DBSCAN聚类、WaOA优化EA-DLSTM及SHAP解释的集成深度学习框架，在Cleveland与UCI心脏病数据集上实现超99.6%准确率与高精确率，兼具性能与可解释性，适用于早期心脏病辅助筛查。
