یک رویکرد جدید مبتنی بر الگوریتم XGBoost و هوش مصنوعی تفسیرپذیر به منظور پیش بینی بیماری قلبی

  • سال انتشار: 1401
  • محل انتشار: اولین کنفرانس هوش مصنوعی و پردازش هوشمند
  • کد COI اختصاصی: AISC01_045
  • زبان مقاله: فارسی
  • تعداد مشاهده: 858
دانلود فایل این مقاله

نویسندگان

علیرضا نوحی

کارشناس ارشد هوش مصنوعی دانشگاه سمنان

حمید نصیری

دانشجوی دکتری هوش مصنوعی دانشگاه سمنان

فرزین یغمایی

استادیار دانشکده برق و کامپیوتر دانشگاه سمنان

چکیده

حملات قلبی یکی از عوامل مهم مرگ و میر در جهان هستند. پیش بینی و پیشگیری از این امر یک ضرورت اساسی برای بهبود بهداشت و درمان است. لذا برای این پیش بینی باید از الگوریتم ها و مدل-هایی بهره برد که دارای کمترین خطا و بیشترین دقت و اطمینان باشند. یادگیری ماشین زمانی که در مراقبت های بهداشتی بکار می رود قادر به تشخیص زود هنگام و دقیق بیماری است. تشخیص بیماری از روی ویژگی های مختلف و جلوگیری از تشدید بیماری یکی از مهم ترین کاربردهای داده کاوی و کشف دانش در بیمارن قلبی است. در این مقاله سعی شده است با ارائه روشی تفسیر پذیر و دقیق و مقایسه آن با روش های پیشین، بیماری قلبی را تشخیص و مهم ترین ویژگی های تاثیر گذار در این بیماری را توسط مدل تعیین کرد. بدین منظور از الگوریتم XGBoost به منظور پیش بینی بیماری قلبی استفاده شده است و خروجی مدل با استفاده از الگوریتم SHAP تفسیر شده است. از مزایا روش پیشنهادی می توان به کارایی و دقت بالا و تفسیرپذیری خروجی ها اشاره کرد.

کلیدواژه ها

یادگیری ماشین، SHAP،XGBoost ، پیش بینی بیماری قلبی

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.