基于LLM的数据增强与因果贝叶斯推断的冠心病可解释性预测方法

本发明涉及基于LLM的数据增强与因果贝叶斯推断的冠心病可解释性预测方法，属于人工智能与医疗健康交叉领域，具体涉及一种用于冠心病早期预测的数据增强与可解释性预测方法，属于计算机实现的疾病预测技术与医疗诊断辅助系统领域。基于不平衡数据集中的少数类样本进行采样，选取出具有总体代表性的种子样本，通过Few‑shot方法利用LLM进行数据增强，并设置过滤器确保生成数据的真实性与分布一致性。引入LLM提供的领域先验知识，综合数据驱动与LLM先验的优势进行贝叶斯网络结构发现，提出混合目标函数和混合局部评分，利用BIC、BDeu和LLM‑prior评分支持爬山算法进行最优因果结构搜索，最终基于该网络实现预测。