ارایه یک روش یادگیری جمعی برای پیش بینی بیماری های سرخرگ تاجی

بیماری سرخرگ تاجی CAD ، نوعی بیماری فراگیر قلبی است که در جوامع پیشرفته و بخصوص در سنین بالا قربانیان زیادی می گیرد. در حالت پیشرفته، اگر یک سرخرگ تاجی به علت مسدود شدن آن توسط یک لخته خون، به طور کامل جلوی خونرسانی اش گرفته شود، قسمتی از عضله قلب که دیگر خون به آن نمی رسد، خواهد مرد و این به سکته قلبی می انجامد. از این رو پیش بینی به موقع این بیماری در جهت انجام اقدامات مراقبتی می تواند جان بیماران زیادی را از خطر سکته قلبی نجات دهد. در این پژوهش یک روش یادگیری جمعی از ترکیب سه الگوریتم مطرح یادگیری ماشین، KNN ، NB و SVM ، برای پیش بینی بیماری های سرخرگ تاجی پیشنهاد شد. برای ارزیابی روش پیشنهادی از گزارش ها و داده های پزشکی در دسترس عموم از مخزن داده UCI استفاده شد و کارایی الگوریتم جمعی پیشنهادی با دو الگوریتم پایه، یکی SVM به عنوان بهترین این سه الگوریتم و دیگری جنگل تصادفی RF به عنوان الگوریتم کارامد یاد شده در کارهای گذشته، مقایسه شد. نتایج ارزیابی نشان داد الگوریتم جمعی پیشنهادی ضمن برتری در مقایسه با هریک از الگوریتم های پایه از دقت مطلوبی برای وظیفه پیش بینی بیماری های سرخرگ تاجی برخوردار است.

کلیدواژه ها:

یادگیری ماشین ، یادگیری جمعی ، پیش بینی بیماری قلبی ، بیماری سرخرگ تاجی CAD