بکارگیری شبکه عصبی در تشخیص بیماری نارسایی قلبی با استفاده از داده های پزشکی

تصمیم گیری جوهره مدیریت است با توجه به اینکه تصمیم گیری بدون وجود اطلاعات و برقراری ارتباطات لازم میسرنیست، پایه اجرایی چنین وظیفه ای فراهم آوردن اطلاعات لازم برای مدیریت است. به دلیل اهمیت شیوه های تصمیمگیری مدیران بیمارستان ها در پیشبرد اهداف بیمارستان و اهمیت قدرت پیش بینی آنان در حل مشکلات درمانی بیماران،این مطالعه با هدف استفاده مدیران بیمارستان ها از نتایج حاصل از داده کاوی سیستم های اطلاعات بیمارستانی و طراحیمدلی هوشمندبوسیله ی یادگیری ماشین، جهت پیش بینی دقیق تر و تصمیم گیری بهتر و موثرتر برای درمان بیمارانصورت گرفته است. داده های مورد استفاده در این مطالعه، مربوط به اطلاعات 297 بیمار است که از انبار داده سایتUCI استخراج شده و شامل 14 متغیر می باشد. از سه مدل svm, k-means و شبکه عصبی که از جمله پر کاربردترین ابزارهای کلاس بندی در داده کاوی ویادگیری ماشین هستند، برای پیش بینی مبتلا بودن به بیماری قلبیاستفاده شده و دقت پیش بینی مدل ها مورد مقایسه قرار گرفته است .بر اساس نتایج مشاهده می شود که مدل شبکهعصبی با ساختار پرسپترون چندلایه با دقتی برابر با 89/9% عمل کلاس بندی را برای مجموعه مشاهدات آزمون انجام داده اما svm با کرنل RBF این دقت را بهبود می بخشد و به 93% می رساند.

کلیدواژه ها:

داده کاوی ، k-means ، شبکه عصبی ، svm ، بیماری قلبی