مقایسه عملکرد الگوریتم های داده کاوی در پیش بینی بیماری عروق کرونر
Publish place: Journal of Health & Biomedical Informatics، Vol: 5، Issue: 2
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 49
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHBMI-5-2_002
تاریخ نمایه سازی: 9 مرداد 1403
Abstract:
مقدمه: بیماری های قلبی- عروقی نخستین علت مرگ در جهان هستند و براساس برآورد سازمان بهداشت جهانی، مرگ ناشی از بیماریهای قلبی تا سال۲۰۳۰ به ۲۳ میلیون مورد افزایش خواهد یافت. از این رو، به نظر میرسد استفاده از الگوریتم های داده کاوی برای پیش بینی بیماری عروق کرونر قلب بسیار کاربردی باشد. هدف از پژوهش حاضر مقایسه عملکرد الگوریتم های شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM)در پیش بینی بیماری عروق کرونر قلب بود.
روش: پژوهش حاضر از نوع توصیفی-تحلیلی و نمونه پژوهش شامل تمام بیماران بستری مبتلا به بیماری عروق کرونر قلب در سه بیمارستان تابعه دانشگاه علوم پزشکی آجا بین سالهای ۱۳۹۵ تا ۱۳۹۶ بود. درمجموع، ۱۳۲۴ رکورد با ۲۶ ویژگی موثر در این بیماری استخراج و پس از نرمال سازی و پاکسازی داده ها، در نرم افزار SPSS نسخه ۲۳و Excel نسخه ۲۰۱۳ وارد شدند. برای قالب بندی داده ها نیز از نرم افزار داده کاوی ۳.۲.R۳ استفاده گردید.
نتایج: الگوریتم ماشین بردار پشتیبان با میانگین درصد خطای مطلق پایین تر (۱۱۲/۰۳)، آماره هاسمر-لمشو بالاتر (۱۶/۷۱)، حساسیت (۹۲/۲۳) و ویژگی (۷۴/۴۲)نسبت به مدل شبکه عصبی دقیق تر بود. همچنین، مساحت زیر منحنی راک در الگوریتم SVM بیشتر از ANN بود و میتوان نتیجه گرفت که این مدل دارای دقت بیشتری است.
نتیجه گیری: در این مطالعه، الگوریتم SVM نسبت به مدل شبکه عصبی دقت و عملکرد بهتری در پیش بینی بیماری عروق کرونر قلب نشان داد و دارای حساسیت و صحت بالاتری بود. با این حال پیشنهاد می گردد که نتایج مطالعه حاضر با یافته های حاصل از به کارگیری سایر الگوریتم های داده کاوی در پژوهش های آتی مورد مقایسه قرار گیرد.
Keywords:
Coronary Artery Disease (CAD) , Data mining algorithms , Artificial Neural Network(ANN) , Support Vector Machine (SVM) , بیماری عروق کرونر , الگوریتم های داده کاوی , شبکه عصبی مصنوعی , ماشین بردار پشتیبان
Authors
هاله آیت اللهی
Department of Health Information Management, School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran.
لیلا غلامحسینی
PhD Student in Health Information Management, School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran.
مسعود صالحی
Department of Biostatistics, School of Public Health, Iran University of Medical Sciences, 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 :