CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

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

عنوان مقاله: ارایه یک روش یادگیری جمعی برای پیش بینی بیماری های سرخرگ تاجی
شناسه ملی مقاله: STCONF04_045
منتشر شده در چهارمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران در سال 1400
مشخصات نویسندگان مقاله:

سینا دامی - استادیار مهندسی کامپیوتر، واحد تهران غرب دانشگاه آزاد اسلامی، تهران، ایران
زینب ازوجی - دانش آموخته کارشناسی ارشد IT ، واحد تهران غرب دانشگاه آزاد اسلامی، تهران، ایران

خلاصه مقاله:
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.

کلمات کلیدی:
یادگیری ماشین، یادگیری جمعی، پیش بینی بیماری قلبی، بیماری سرخرگ تاجی CAD

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1292681/