ارایه یک روش برای بهبود در تشخیص گرفتگی عروق کرونر قلبی به کمک شبکه های عصبی مصنوعی و ارزیابی آن با ماتریس اغتشاش

تکنیک های داده کاوی در زمینه پزشکی رشد روز افزونی داشته است. داده کاوی نه تنها موجب استفاده بهینه از انبوه داده های ذخیره شده توسط سیستم های کلینیک شده، بلکه موجب کشف دانش موجود در میان این داده های عظیم نیز شده است. شایع ترین بیماری که امروزه در کشور و در جهان مطرح است بیماری قلبی و عروقی می باشد، رشد چشم گیر این بیماری ها و اثرات و عوارض آنها و هزینه هایی که برجامعه وارد می کند باعث شده است که جامعه پزشکی به دنبال برنامه هایی جهت بررسی بیشتر پیشگیری، شناسایی زود هنگام و درمان موثر آن باشند. هدف این مقاله پیش بینی با خطای کمتر بیماری قلبی در داده های عظیم با استفاده از ویژگی ها و ارتباطات بین ویژگی های مرتبط با بیماری از طریق تکنیک های داده کاوی می باشد همچنین تعیین مهمترین فاکتورهای موثر در ایجاد بیماری قلبی با استفاده از تکنیک های داده کاوی هدف بعدی ما می باشد. داده ها مورد استفاده در این مقاله با استفاده از متغیرهای شناخته شده در پایگاه تشخیص بیماری قلبی موجود در مرکز UCI از بیمارستانهای سطح کشور جمع آوری شده است که شامل اطلاعات 994 بیمار می باشد این اطلاعات در قالب فایل اکسل با 18 ویژگی جمع آوری شده که فیلد آخر نظر پزشک معالج مبنی بر حمله قلبی یا عدم حمله قلبی است. در این مقاله مدل بدست آمده مبتنی بر شبکه های عصبی علاوه بر توانایی بالا در تشخیص افراد بیمار و همچنین یکی از کارآمد ترین الگوریتم در تحلیل داده های عظیم که دارای بیشترین دقت (98.08%) در تشخیص این بیماری می باشد.

Keywords:

بیماری قلبی , شبکه های عصبی , داده کاوی , ماتریس اغتشاش , داده های عظیم