یک سیستم پشتیبان تصمیم نوین در پیش بینی نارسایی قلبی با استفاده از الگوریتم لجستیک رگرسیون

بخش زیادی از مرگ و میرهای قلبی و عروقی مربوط به نارسایی قلبی است. در مورد تشخیص یا پیش بینی بیماری نارسایی قلبیروشهای پزشکی و غیر پزشکی تقریبی و نادقیق بسیاری وجود دارد. راه های تشخیص بیماری نارسایی قلبی توسط پزشک آزمایشخون، عکس قفسه سینه، اکوکاردیوگرام قلب، آنژیوگرافی و روشهای دیگر پزشکی است که هزینه زیادی دارد و تشخیص به موقعآن برای پزشک سخت است. با پیشرفت در هوش مصنوعی و یادگیری ماشین از روشهای داده کاوی و یادگیری ماشین برای پیش بینی،تشخیص و درمان این بیماریها استفاده میشود. با استفاده از الگوریتم های داده کاوی و یادگیری ماشین الگوهای بین داده های پزشکیبه دست میآید و مدلی هوشمند ارائه میشود که به پزشک در تصمیم گیری بهتر و تشخیص کمک میکند. در این پژوهش، هدفطراحی و ایجاد یک مدل هوش مصنوعی با استفاده از تکنیک های یادگیری ماشین است که بتواند با دقت مناسبی نارسایی قلبی درافراد را با استفاده از فاکتورهای دیگر افراد پیشبینی کند. مدل پیشنهادی در این تحقیق بر پایه یک مجموعه داده با ۲۹۹ نمونه و ۱۳ویژگی بنا شده است. در این پژوهش برای انجام عملیات Classification و پیش بینی نارسایی قلبی مدلی یادگیرنده و پیش بینیکننده با استفاده از الگوریتم Logistic Regression ایجاد و نتایج با دو مدل دیگر ساخته شده توسط الگوریتم های KNN وANN مقایسه شدند. نتایج حاصل از ارزیابی مدل پیشنهادی در معیار Precision نشان داد که مدل میتواند با دقت PPV = ۰.۸۶داده های تست را درست دسته بندی و پیش بینی کند.

کلیدواژه ها:

یادگیری ماشین ، پیش بینی نارسایی قلبی ، لجستیک رگرسیون ، سیستم پشتیبان تصمیم ، داده کاوی