مدل سازی و پیش بینی احتمال ابتلاء به بیماری قلبی عروق کرونری با استفاده از الگوریتم های داده کاوی
Publish place: Journal of Health & Biomedical Informatics، Vol: 8، Issue: 2
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 12
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHBMI-8-2_006
تاریخ نمایه سازی: 9 مرداد 1403
Abstract:
مقدمه: بیماری قلبی عروق کرونری یکی از شایع ترین علت های مرگ ومیر در بزرگ سالان است، درحالی که، با تشخیص سریع و دقیق، درمان به موقع و نجات بیمار تا حد زیادی امکان پذیر است. از این رو، هدف این پژوهش شناسایی فاکتورهای موثر در ابتلاء به این بیماری و ارائه مدلی داده محور جهت کمک به پزشکان در پیش بینی و تشخیص آن است.
روش: پژوهش حاضر از نوع تحقیق کاربردی-توسعه ای است که در آن ۲۰۳۸ رکورد گردآوری شده در مدت ۵ سال در بیمارستان قلب شهید رجایی تهران، طی عملیات پیش پردازش و آماده سازی، با استفاده از نمونه برداری تصادفی متوازن، به ۱۰۰۰ رکورد، ۵۰۰ بیمار و ۵۰۰ فرد سالم، کاهش یافت. مرور ادبیات تحقیق، مشاوره با پزشکان متخصص، و وزن دهی با استفاده از روش کای دو، منجر به تعیین ویژگی ها شد. مدل ها با استفاده از الگوریتم های ماشین بردار پشتیبان، شبکه عصبی و جنگل تصادفی در محیط نرم افزارهای رپیدماینر و پایتون ایجاد شدند.
نتایج: در میان ۳۵ متغیر شناسایی شده، مهم ترین ویژگی ها عبارت اند از بیماری دریچه های قلبی، درد قفسه سینه، کلسترول بد، اختلال حرکت دیواره ای قلب، تری گلیسیرید، سدیم، پتاسیم، فشارخون و وزن. معیار F، دقت، صحت، و بازخوانی، به ترتیب، برای الگوریتم جنگل تصادفی برابر با ۸۲/۱۱%، ۸۱/۴۰%، ۷۹/۰۷%، ۸۵/۴۰% و نرخ خطای مدل ۱۸/۶% محاسبه شد.
نتیجه گیری: جنگل تصادفی با دقت قابل قبولی احتمال ابتلاء به بیماری قلبی عروق کرونری را پیش بینی نمود. در مقایسه مدل ها، به علت زیاد بودن تعداد گره های ورودی، خطای مدل شبکه عصبی، ۲۳/۶%، نسبتا بیشتر بود.
Keywords:
Coronary Artery Disease , Prediction , Support Vector Machine , Neural Network , Random Forest , بیماری قلبی -عروق کرونری , پیش بینی , ماشین بردار پشتیبان , شبکه عصبی , جنگل تصادفی
Authors
پریا سعدی
M.Sc. in Industrial Engineering, Industrial Engineering, Faculty of Engineering Dept., Science and Research Branch, Islamic Azad University, Tehran, Iran
معصومه زینال نژاد
Ph.D. in Industrial Engineering, Assistant Professor, Industrial Engineering Dept., Faculty of Engineering, West Tehran Branch, Islamic Azad University, Tehran, Iran
فرزاد موحدی سبحانی
Ph.D. in Industrial Engineering, Assistant Professor, Industrial Engineering Dept., Faculty of Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :