تشخیص بیماری قلبی با استفاده از الگوریتم ملخ و تکنیک های داده کاوی

بیماری های قلبی عروقی با ۱۷ میلیون مرگ در سال به عنوان مهم ترین علت مرگ و میر در جهان معرفی شده اند. در این بینبیماری عروق کرونری قلب شایع ترین نوع بیماری قلبی می باشد کن عامل اصلی مرگ و میر در کشورهای صنعتی بوده و به سرعتدر کشورهای در حال توسعه نیز رو به انتشار است. آزمایشات تشخیص این بیماری معمولا در معرض خطا بوده و برای بیمار رنجآور، وقت گیر و هزینه بر است. به همین دلیل در سال های اخیر، توسعه و ارائه روش های یادگیری ماشین در تشخیص بیماری هایقلبی به ویژه بیماری عروق کرونری قلب با دقت بالا برای غلبه بر این مشکلات از اهمیت خاصی برخوردار بوده است. هدف از این تحقیق کمک بن تشخیص بیماری عروق کرونری قلب با استفاده از روش یادگیری ماشین نظارت شده درخت تصمیم DT است. این فرآیند توسط الگوریتم بهینه سازی فراابتکاری ملخ GOA که الهام گرفتن از زندگی جمعی ملخ ها است، انجام خواهد شد. در این تحقیق قصد داریم تا با کمک الگوریتم بهینه سازی فراابتکاری ملخ، زیر مجموعه ای از کل ویژگی های موجود در مجموعهداده های بیماران عروق کرونری قلب را انتخاب کنیم که ویژگی های موثرتر در تشخیص این بیماری نسبت به حالتی هستند که ازکل ویژگی های موجود در مجموعه داده های بیماران عروق کرونری قلب، برای تشخیص این بیماری استفاده می شود. مجموعه داده مورد استفاده در این تحقیق، مجموعه داده بیماری عروق کرونری قلب بیمارستان Cleveland موجود در پایگاه داده دانشگاه ایروین کالیفرنیا UCI است که شامل ۳۰۳ نمونه با ۱۴ ویژگی می باشد که یکی از این ویژگی ها وضعیت نهایی فرد مراجعه کننده می باشد که می تواند نرمال (سال)ا بیمار عروق کرونری قلب CAD باشد.

کلیدواژه ها:

داده کاوی ، درخت تصمیم ، بیماری قلبی ، الگوریتم ملخ ، انتخاب ویژگی ، یادگیری ماشین