مروری بر روش های پیش بینی بیماری های قلبی با استفاده از داده کاوی

طبقه بندی بیماری های قلبی کرونر می تواند برای متخصصین پزشکی در مواردی که هدف نهایی جستجوی سریع و نتیجه کامل، به طور اتوماتیک است، ارزشمند باشد. پیش بینی حضور بیماری های قلبی دقیقا می تواند روی تک تک روزهای زندگی بیماران تاثیر گذار باشد .هدف این مقاله، استفاده از دستگاه های هوش مصنوعی برای دسته بندی و پیش بینی بیماری قلبی است. این کار شامل کلاس های بیماری قلبی با استفاده از ماشین بردار پشتیبانی SVM و همچنین شبکه عصبی مصنوعی ANN است. بررسی بین دو روش بر اساس مقایسه دقت و زمان آموزش انجام شده است. این مقاله یک چارچوب پشتیبانی از تشخیص پزشکی برای مشخص کردن ویژگی های بیماری عروق را به شیوه ای صحیح، هدفمند، دقیق و سریع معرفی میکند.مجموعه داده های استفاده شده از پایگاه داده Cleveland Heart و پایگاه داده Statlog برگرفته شده از مجموعه یادگیری ماشین UCI میباشد.در مدل سیستم پیشنهاد شده، ما داده ها را در دو کلاس شبکه عصبی مصنوعی و ماشین بردار پشتیبان دسته بندی میکنیم و عملکرد هر دو مجموعه داده ها را تحلیل می کنیم

کلیدواژه ها:

بیماری قلبی ، داده کاوی ، ماشین بردار پشتیبان ، توابع کرنل ، شبکه عصبی مصنوعی ، پس انتشار