تشخیص بیماری قلبی عروق کرونر با سیستم هوشمند ترکیبی براساس الگوریتم نهنگ، شبیه ساز تبرید و ماشین بردار پشتیبان

در سال های اخیر، الگوریتم های یادگیری ماشین به طور گسترده ای در تشخیص و درمان به موقع بیماری ها نقش بسزایی را ایفا می کنند. علاوه بر این، تشیخص بیماری در مراحل آغازین آن، در بهبود بیماری و در کاهش هزینه های درمانی بیمار بسیار موثر است. بیماری قلبی یکی از دلایل اصلی مرگ در جهان شناخته شده است. مطالعات زیادی برای تشخیص بیماری و طراحی سیستم هوشمند و کارا انجام شده است. در این مقاله، الگوریتم ترکیبی نهنگ و شبیه ساز تبرید برای شناسایی عوامل موثر در تشخیص بیماری ارائه شده است و الگوریتم ماشین بردار پشتیبان برای طبقه بندی موثر بیماری لحاظ شده است. رویکرد پیشنهادی با مجموعه داده بیماری قلبی کلیولند در پایگاه داده UCI ارزیابی شده است. الگوریتم پیشنهادی با صحت ۸۷.۷۸ درصد با تعداد ویژگی کمتر توانسته بیماری را تشخیص دهد. نتایج حاصل برتری روش پیشنهادی را نشان می دهد و همچنین رویکرد پیشنهادی می تواند پزشکان را در تشخیص درست و  در مراحل اولیه بیماری یاری رساند.

کلیدواژه ها:

بیماری قلبی عروق کرونر ، ماشین بردارپشتیبان (SVM) ، الگوریتم بهینه سازی نهنگ (WOA) ، الگوریتم شبیه سازتبرید SA)) ، الگوریتم ترکیبی