تشخیص بیماری کرونر قلب با استفاده از یادگیری عمیق

بیماری قلبی یکی از علل اصلی مرگ و میر در سراسر جهان است و تشخیص زودهنگام آن ضروری است. الگوریتمهای یادگیری ماشین راه حلهای امیدوارکننده ای را در مراقبتهای بهداشتی و مراقبت از بیمار ارائه می دهند. این فناوریها با تفسیر دقیق داده های پزشکی به پیشبینی و تشخیص عالئم اولیه بیماری کمک میکنند. در این مطالعه، پیش بینی بیماری عروق کرونر با در نظر گرفتن عوامل خطر مانند سن، جنسیت، فشار خون، عادات سیگار کشیدن، ضربان قلب و غیره مورد بررسی قرار گرفته است. به این منظور، یک رویکرد جدید بر اساس ترکیب شبکه عصبی پیشخور عمیق با الگوریتم جنگل تصادفی برای پیش بینی عروق کرونر قلب ارائه شده است. همچنین به منظور بهبود کارایی مدل از مکانیزم توجه و الگوریتم آموزش مبتنی بر جمعیت برای تنظیم فراپارامتر استفاده شده است. آزمایشهای انجام شده بر روی پنج مجموعه داده استاندارد نشان میدهد که روش پیشنهادی بهتر از سایر رویکردهای پیشرفته عمل میکند.

کلیدواژه ها:

یادگیری عمیق ، پیشبینی بیماری قلبی ، شبکه عصبی عمیق ، مکانیزم توجه ، آموزش مبتنی بر جمعیت ، جنگل تصادفی