پیش بینی بیماری پارکینسون با استفاده از رویکرد ترکیبی یادگیری ماشین: XGboost + SVM

از شایع ترین بیماری های مخرب اعصاب میتوان بیماری پارکینسون را نام برد. در این بیماری نورولوژیک فرد مبتلا به تدریج برخیتوانایی های خود مانند توانایی های جسمی و روحی را از دست می دهد. یادگیری ماشین می تواند به راه حل پیدایی مسائل مرتبط بابیماری پارکینسون کمک کند. با استفاده از یادگیری ماشین، میتوان مسائل مرتبط با تشخیص و پیش بینی بیماری پارکینسون را به طورموثر حل کرد و به بهبود کیفیت زندگی بیماران کمک کرد. روش جمع آوری اطلاعات به صورت داده های کمی است. داده های اینپژوهش شامل ۶۵ ویژگی که عبارت است از : سن، میزان ضربان قلب، وضعیت تاهل، میزان لرزش دست، وضعیت فعلی، میزانپویش، ... می باشد. در این پژوهش برای جلوگیری از افت احتمالی، از ۵۸۷۵ داده های مربوط به بیماری پارکینسون هستند، استفاده میشود. با توجه به تحلیل به دست آمده، مدل ترکیبی XGboost + SVM با دقت ۹۵ درصد بهترین مدل جهت پیش بینی بیماری پارکینسون است

کلیدواژه ها:

پارکینسون ، یادگیری ماشین ، مدل ترکیبی ، هوش مصنوعی