طراحی سیستم پیش بینی بیماری قلبی-عروقی با استفاده از الگوریتم های یادگیری ماشین

دوره 1، شماره 7، بهمن 98، صفحات 1 - 9

نویسندگان : محمد کاظمی * و امیرعباس کاظمی و امیرحسین باب الحکمی و نگار عباسی

چکیده :
بیماری‌های قلبی یکی از شایع‌ترین بیماری‌هاست که در حال حاضر تعداد افراد مبتلا به این نوع بیماری ها در حال افزایش می باشد. این در حالی است در صورتی که مراقبت‌های لازم برای بیمار در زمان مناسب صورت نگیرد، می‌تواند باعث مرگ بیمار شود. از این‌رو تشخیص دقیق در مرحله معاینه اولیه به همراه درمان مناسب می‌تواند منجر به اجتناب از افزایش میزان مرگ‌ومیر ناشی از بیماری قلبی گردد. برای رسیدن به این مهم می‌توان از تکنیک‌های موجود در زمینه داده‌کاوی بهره گرفت. داده‌کاوی داده‌های مفیدی را از مجموعه داده های موجود استخراج می‌کند که منجر به پیش‌بینی یا دسته‌بندی اطلاعات از طریق خوشه‌بندی، کلاس‌بندی و یا کشف الگوهای پنهان می‌شود. تاکنون تحقیقات زیادی با استفاده از مدل‌های داده‌کاوی در تشخیص بیماری‌های مختلف مانند بیماری‌های قلبی و عروقی انجام‌ شده است.. در این مقاله قصد داریم با استفاده از رویکردی مبتنی بر انتخاب ویژگی به عنوان یک گام پیش پردازش، مدلی باهدف تشخیص بیماری قلبی ارائه گردد. راهکار پیشنهادی دارای 3 گام اصلی می باشد که گام1) پیش پردازش داده ها با هدف رفع مقادیر Null و پرت در مجموعه داده ها، گام2) انتخاب ویژگی های موثر با بهره وری از 2 روش ضریب همبستگی پیرسون و تجزیه و تحلیل مولفه های اصلی که سعی در حذف ویژگی هایی که با صفت هدف رابطه خاصی ندارند و رفتار این ویژگی مستقل از صفت هدف می باشند، است. و در گام3) با استفاده از 3 الگوریتم J48، شبکه بیزین و SVM مدلی برای پیش بینی بیماری قلبی ساخته می شود. نتایج بدست آمده نشان می دهد الگوریتم J48 با دقت 0.89 دارای بالاترین دقت است.

کلمات کلیدی :
تشخیص بیماری قلبی، انتخاب ویژگی، ضریب همبستگی پیرسون، تحلیل مولفه های اساسی، طبقه بندی