摘要 心脏病是全球主要的死亡原因之一，因此早期发现和预测心脏病对于挽救生命至关重要。机器学习（ML）算法有可能通过提高诊断准确性和改善患者治疗效果来彻底改变医疗保健系统。本研究回顾了以前应用深度学习（DL）和ML技术预测心脏病的研究。从研究中可以看出，大多数工作都使用了监督ML算法，包括支持向量机（SVM）、梯度提升分类器（GB）、决策树（DT）、随机森林（RF）和逻辑回归（LR），这些算法已被用于UCI机器学习库（Heart）数据集来预测心脏状况。这些算法的准确率各不相同，研究报告的成功率在88%到95%之间。本综述探讨了影响这些结果的因素，有助于更好地理解基于ML的心脏病预测模型。