پوریا ناهی - دانشجوی ارشد فناوری اطلاعات. واحد تهر ان غرب. دانشگاه آزاد اسلامی؛ تهران, ایران
سینا دامی - استادیار گروه مهندسی کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران

قلب ارگان اصلی بدن بوده و زندگی بدون ضربان قلب امکان پذیر نیست؛ از این رو پیش بینی بیماری قلبی بسیار بااهمیت و دربسیاری از مواقع و موقعیت ها نجات بخش زندگی انسان ها است. در این مقاله» روشی برای پیش بینی بیماری های قلبی با استفاده ازتکنیک های یادگیری عمیق ارایه شده است. در روش پیشنهادی. ابتدا داده های ورودی به سیستم. مورد پردازش اولیه قرارمی گیرند. سپس برای اینکه محاسبات دقیق تر شوند و زمان محاسبات نیز کاهش یابد اقدام به استخراج و انتخاب ویژگی هایورودی با شسبکه باور عمیق نموده ایم تا ویژگی هایی که اضافی هستند و در محاسبات مورد نیاز نیستند حذف شوند و تنهاویژگی هایی از داده های ورودی استخراج شوند که در انجام محاسبات موثر هستند. سپس با استفاده از شبکه عصبی LSTM،اقدام به آموزش سیستم نموده و بدین صورت سیستم الگوی پیش بینی بیماری قلبی را برحسب ویژگی های استخراج شده. یادمی گیرد و مدل نیز تشکیل می شود که این مدل در واقع اساس پیش بینی خواهد بود. نهایتا با استفاده از این مدل، پیش بینیبیماری قلبی برحسب داده های ورودی, انجام شده است. برای ارزیابی روش پیشنهادی نیز از مجموعه داده های UCI بهره گرفتهشد. نتایج تجربی نشان داد که روش پیشنهادی در مقایسه با روش های پایه عملکرد مناسب تری برحسب میزان دقت بازخوانی وهمچنین معیار F دارد.

پیش بینی بیماری، بیماری قلبی، یادگیری عمیق، شبکه باور عمیق، LSTM