تشخیص میزان تجویز دوز دارو برای بیماران قلبی با استفاده از شبکه عصبی کانولوشنی فازی بهبودیافته

هدف: بیماری های قلبی عروقی یکی از مهم ترین علت های مرگ ومیر در کل دنیا محسوب می شود. درصورتی که بتوان سریع و دقیق این بیماری را شناسایی کرد، می توان در جهت درمان اقدام نمود. استفاده از داده های مختلف برای تشخیص بیماری های گوناگون بخصوص بیماری های قلبی عروقی با استفاده از داده کاوی از اهمیت بالایی برخوردار است. داده کاوی بر روی این داده ها سبب می شود که الگوهای مفیدی از این داده ها به دست آید. بزرگ ترین چالش در این زمینه حجم زیاد داده هاست. ازاین رو استفاده از تکنیک مناسب برای به دست آوردن الگوهای مناسب به کمک داده کاوی کمک شایانی خواهد نمود.روش شناسی پژوهش: در این مقاله روشی مبتنی بر شبکه عصبی کانولوشنی بهینه فازی که خود ویژگی های بهینه را استخراج می کند، ارایه خواهد شد تا علاوه بر تشخیص بیماری قلبی، میزان دوز دارو برای بیماران قلبی را نیز تجویز کند. وزن های شبکه عصبی استفاده شده پس از آموزش به کمک PSO، بهینه خواهد شد. در این مقاله، از دو نوع داده که شامل ویژگی های افراد بیمار و ECG بیماران است، استفاده می شود. یک ویژگی به نام میزان دوز دارو نیز پیشنهاد شده است که بر اساس تشخیص میزان شدت بیماری قلبی، دوز دارو را تجویز می نماید.یافته ها: عملکرد روش پیشنهادی با دیگر روش های هوشمند مقایسه شد و دیده شد که روش پیشنهادی با دقت %۱/۹۵ با استفاده از پایگاه داده MIT-BIH و UCI، به صورت توامان عمل تشخیص را بهتر انجام داده است. همچنین دیده شد که آموزش شبکه با تعداد کافی از داده ها سبب شد که کلیه روش ها با راندمان بهتری عمل کنند. به علاوه مشاهده شد که اگر استخراج ویژگی مانند تبدیل ویولت، تبدیل فوریه و PCA انجام شود تاثیر موثری در دقت روش پیشنهادی به وجود خواهد آمد.اصالت/ارزش افزوده علمی: برای تشخیص بیماری قلبی-عروقی از شبکه عصبی کانولوشنی فازی که وزن های شبکه با استفاده از PSO بهینه شده است استفاده می شود. روش پیشنهادی علاوه بر تشخیص بیماری قلبی عروقی قابلیت تجویز میزان دوز دارو را نیز دارد.

کلیدواژه ها:

بیماری قلبی ، شبکه عصبی کانولوشنال ، الکتروکاردیوگرام ، دوز دارو