تشخیص آسیب های قلبی با استفاده از روش های داده کاوی و کاهش ابعاد ویژگی

آسیبهای قلبی ناشی از گرفتگی عروق کرونری قلب، از شایعترین بیماریهای قلبی عروقی محسوب میشود. روشهای بسیاری برای تشخیص این نوع از بیماری قلبی وجود دارد ولی این روشها در اغلب مواقع با هزینه زیاد و یا روشهای تهاجمی و زمان بر همچون آنژیوگرافی همراه است. هدف این مطالعه آنالیز چند تکنیک داده کاوی پیشنهاد شده در سالیان اخیر برای تشخیص بیماریهای قلبی میباشد. این مطالعه پیش بینی دقیق و سریع وجود بیماری قلبی عروقی را با کاهش شماری از ویژگی ها بوسیله ترکیب چند الگوریتم بهینه سازی با روشهای کلاس بندی مورد بررسی قرار می دهد. پس از آماده سازی و پیشپردازش، سعی شده است که داده ها به صورت بصری تجزیه و تحلیل شوند تا توزیع ارزشهای موثر در بهبود دقت آزمایشات به چشم آید. در اینباره جداول و نمودارهای متعددی بکار گرفته شدهاند. از سیگنالهای ECG نمونه برداری شده از افراد بیمار و سالم در مجموعه داده بیماریهای قلبی Cleveland استفاده شده است که بیان میکند آیا شخص دچار گرفتگی عروق قلبی هست یا خیر. برای پردازش این داده ها و شبیه سازی، از نرم افزار MATLAB R2013b استفاده شده است. برای این منظور از دو روش کلاسبندی KNN و SVM استفاده شده که صحت KNN %81/97 و صحت %85/37 SVM بدست آمده است. با استفاده از این کلاس بندیها افرادی که دچار بیماری عروق کرونری قلب میباشند، سیگنالهای متفاوت و نتایج متفاوتی نسبت به افراد سالم خواهند داشت. بنابراین میتوان اظهار داشت روش پیشنهادی این مطالعه قابلیت اطمینان در تشخیص زودهنگام آسیبهای ناشی از گرفتگی رگهای قلبی را دارد.

کلیدواژه ها:

بیماریهای قلبی عروقی ، داده کاوی ، سیگنال الکتروکاردیوگرام ، SVM ، KNN