طراحی مدل خبره تشخیص آری تمیهای قلب با استفاده از مدل ترکی بی سیستم بردارپشتی بان ( SVM )، درخت تصمیم( DT ) و شبکه عصبی RBF

بیماریهای قلبی عروقی علت اصلی مرگ و میر در مردان و زنان در سراسر جهان می باشد. به دلیل بار سنگینی که این بیماری ها از لحاظ اقتصادی و سلامت بر جامعه وارد میسازند، در طول دهه های اخیر مطالعات وسیعی روی آنها انجام گرفته است. نوار قلب یک نوع بررسی وضعیت الکتریکی قلب است میتواند اختلالات هدایتی و عضلانی قلب را به خوبی نشان دهد. نوار قلب یا الکتروکاردیوگرام روشی است که اطلاعات زیادی در مورد قلب، برای تشخیص بیماریهای قلبی به پزشک می دهد. در مقاله حاضر برای تشخیص آریتمی های قلب با استفاده از نوار قلب داده های سیگنال ECG۱ تجزیه و تحلیل شده است. با بهره گیری از روش های داده کاوی به پیش پردازش داده ها پرداخته شده است. نخست نرمال کردن داده ها صورت گرفته و همچنین انجام این عمل باعث شد که برخی از ویژگی ها که کاملا مقادیر صفر داشتند بی تاثیر شناخته و آن ستون ویژگیها کاملا حذف گردیده است و این کار پیچیدگی تشخیص را کمتر کرده است. پس از آن با استفاده از روش آماری ضریب همبستگی، عوامل و ویژگیهای موثرتر بر هر بیماری تشخیص داده شده و در انتها با استفاده از الگوریتم طبقه بندی SVM به تشخیص نوع بیماری پرداخته شده است. دلیل تقلیل عوامل یا همان ویژگی ها رسیدن هرچه سریع تر و دقیق تر به پاسخ و جلوگیری از پیچیدگی و انحراف الگوریتم ها از پاسخ مورد نظر میباشد. همچنین با اشتراک گیری عوامل موثر بین دویا چند بیماری، بیماریهای محتمل دوم و سوم و ...، با استفاده از وزن دهی میزان احتمال ابتلای هر فرد به هر بیماری بدست آمده است. بررسی پارامترهای عملکرد الگوریتم پیشنهادی اعمال شده به داده ها با تعداد ویژگی های تقلیل یافته در قیاس با سه الگوریتم به صورت مجزا و همچنین حتی تعداد ویژگی های مختلف بر اساس ضریب همبستگی از عملکرد بهتر الگوریتم در زمان کم شدن عوامل دارد.

کلیدواژه های طراحی مدل خبره تشخیص آری تمیهای قلب با استفاده از مدل ترکی بی سیستم بردارپشتی بان ( SVM )، درخت تصمیم( DT ) و شبکه عصبی RBF:

آریتمی قلب ، سی ستم بردار پشتیبان ( SVM ) ، درخت تصمیم ( DT ) ، شبکه عصبی RBF