استفاده از تکنیک خوشه بندی گراف برای بهبود مدل های تشخیص بیماری های قلبی عروق

امروزه بیماری های قلبی یکی از بالاترین آمار مرگ و میر در جهان را دارند. از این رو تحقیق در مورد این بیماری و بهبود در تشخیص آن، یکی از موضوعات حائز اهمیت در جامعه پزشکی است. تاکنون روش های ارائه شده برای تشخیص این بیماری پیشرفت چشمگیری داشته است ولی خطاهای انسانی، خستگی و یا عوامل محیطی نیاز به روش های مبتنی بر هوش مصنوعی را می طلبد تا از میزان صحت و درستی تشخیص اطمینان حاصل شود. استفاده از هوش مصنوعی در علم پزشکی در کنار تجربه پزشکان نتایج قابل توجهی را فراهم می کند. در سال های اخیر تحقیقات و مطالعات زیادی پیرامون این موضوع انجام شده است. به دلیل وجود ویژگی های زیاد در داده های مربوط به بیماری قلب، روش های ارائه شده از دقت لازم برخوردار نیستند . ویژگی های موثر با استفاده از الگوریتم ژنتیک و اصلاح راه حل های تولیدی بر مبنای خوشه بندی گراف برای افزایش کارایی عملکرد روش انجام می شود. در این تحقیق ویژگی های موثر در تشخیص این بیماری از دو پایگاه داده کلیولند و آرتیمی انتخاب شده است. برای ارزیابی عملکرد روش پیشنهادی از پایگاه داده کلیولند و آرتیمی استفاده شده است . نتایج حاصل از آزمایشات نشان می دهد که روش پیشنهادی عملکرد بهتری نسبت به سایر روش های مشابه دارد.

کلیدواژه ها:

الگوریتم ژنتیک ، ویژگی های موثر ، بیماری قلبی عروقی ، خوشه بندی گراف