پیش بینی بیماری قلبی با استفاده از الگوریتمهای داده کاوی و یادگیری ماشین یک مطالعه مقایسه ای

بیماریهای قلبی عروقی یکی از مهمترین علل مرگ و میر در جهان محسوب می شوند و تشخیص زودهنگام آنها نقش مهمی در کاهش هزینه های درمانی و افزایش کیفیت زندگی بیماران دارد. با گسترش پرونده های الکترونیکی سلامت و افزایش حجم داده های پزشکی، استفاده از الگوریتم های داده کاوی و یادگیری ماشین به یکی از راهکارهای موثر در تشخیص و پیش بینی بیماری ها تبدیل شده است. هدف این پژوهش بررسی و مقایسه عملکرد الگوریتم های مختلف داده کاوی و یادگیری ماشین شامل رگرسیون لجستیک، درخت تصمیم، ماشین بردار پشتیبان، جنگل تصادفی و شبکه عصبی مصنوعی در پیش بینی بیماری قلبی است. داده های مورد استفاده از مجموعه داده Heart Disease موجود در مخزن UCI انتخاب شده اند. نتایج نشان داد که الگوریتم جنگل تصادفی با دقت ۹۱.۲ درصد بهترین عملکرد را در میان مدل های مورد بررسی ارائه کرده است. یافته های این پژوهش نشان می دهد که استفاده از روش های یادگیری ماشین می تواند به عنوان ابزاری کارآمد در سیستم های پشتیبان تصمیم گیری پزشکی مورد استفاده قرار گیرد.

Keywords:

بیماری قلبی , داده کاوی , یادگیری ماشین , هوش مصنوعی