تشخیص هوشمند بیماری قلبی با استفاده از انتخاب ویژگی ویادگیری ماشین

بیماری قلبی یکی از مهم ترین علل مرگ و میردر جهان امروز است و پیش بینی صحیح بیماری های قلبی و عروقی یک چالش حیاتی در حوزه تجزیه و تحلیل داده های پزشکی می باشد. روش های مبتنی بر یادگیری ماشین می توانند درتصمیم گیری های پزشکی به کادر درمان و پزشکان کمک کرده و روند تصمیم گیری را تسریع نمایند. هدف از انجام این تحقیق بررسی اثر پیش پردازش های مختلف بر صحت نهایی طبقه بندی های مبتنی بر یادگیری ماشین جهت تشخیص بیماری قلبی می باشد. بدین منظور روش های امتیازدهی ویژگی ها، متوازن سازی و تشخیص داده پرت استفاده گردیده است. بیش ترین صحت، دقت و فراخوانی بهدست آمده حاصل از اعمال پیش پردازش های پیشنهاد شده به ترتیب ۹۳/۱، ۹۳/۲۳، ۹۰/۵ می باشد.

کلیدواژه ها:

بهره اطلاعات ، بیش نمونه گیری اقلیت مصنوعی ، پیش بینی بیماری قلبی ، الگوریتم های طبقه بندی