ارائه ی یک رویکرد ترکیبی مبتنی بر الگوریتم فراابتکاری و ماشین بردار پشتیبان به منظور پیش بینی سکته قلبی

شایع ترین علت مرگ در کشور ایران به عنوان یک کشور در حال توسعه، بیماریهای قلبی عروقی است. تشخیص سریع و پیش بینی اولیه برای بیماران مبتلا به سکته قلبی حاد، حیاتی است. چرا که درمان سریع و خونرسانی مجدد می تواند بسیاری از بیماران را بهبود بخشد. با توجه به این مسئله، هدف از این تحقیق، ایجاد مدل پیش بینی بیماری عروق کرونر قلبی با ویژگی های تحلیلی مناسب، با استفاده ازروش ترکیبی مبتنی بر الگوریتم فراابتکاری و ماشین بردار پشتیبان است. که باعث کاهش پیچیدگی محاسبات و زمان اجرا و انعطاف پذیری در تشخیص و طبقه بندی، براساس ریسک فاکتورهای موثر نوار قلب ارائه شده است. تازگی و نوآوری این کار بهره وری از تکنیک الگوریتم ژنتیک به عنوان مدل انتخاب مشخصه جهت کاهش ابعاد در تعیین سکته قلبی است. در اینجا از دقت طبقه بند ماشین بردار پشتیبان به عنوان تابع هدف الگوریتم ژنتیک استفاده می نماییم. به این منظور آزمایشات روش ما بر روی داده های بالینی نوار قلب452 نفر از بیماران ، که شامل 207 داده مربوط به سکته قلبی ،245 داده ها نرمال بدست آمده است. عملکرد و کارایی روش ترکیبی الگوریتم فراابتکاری و ماشین بردار پشتیبان با استفاده از پایگاه داده نوار قلب بیماران به دست آمده از سایتفUci با تمام ویژگی های عددی با ارزش ارزیابی شده است. روش پیشنهادی قادر به حذف 72 مشخصه کم اهمیت است بگونه ای که این امر می تواند، موجب کاهش پیچیدگی و حجم محاسبات و کاهش خطا آموزش و زمان اجرا کمتر نسبت به روشی که از تمام ویژگی هایی که در ماشین بردار پشتیبان استفاده شده است بشود . این روش با کاهش تعداد مشخصه می تواند %26 سرعت اجرای طبقه بندی را بهبود دهد که این بهبود چشم گیر بوده و می تواند تاثیر به سزایی در انتخاب این روش به عنوان روش بهتر دارد. این سیستم تشخیص، به مقدار دقت %84/9 رسیده است. بکارگیری الگوریتم ژنتیک به منظور بهینه سازی و کاهش مجموعه داده و انتخاب مشخصه های مهم توانست سکته قلبی را با دقت قابل قبولی در بیماران قلبی پیش بینی کند. همچنین نتایج آزمایشات این روش انتخاب مشخصه پیشنهادی در مقایسه با دو روش انتخاب مشخصه دیگر نشان می دهد که اندیس جینی با وجود انتخاب مشخصه های بیشتر نسبت به روش پیشنهادی قادر به بهبود طبقه بندی نیست. اما روش، اطلاعات به دست آمده با تنها یک درصد بهبود در دقت 15 مشخصه بیشتر نسبت به روش پیشنهادی انتخاب می کند. بنابراین روش ارائه شده ابزاری نویدبخش برای شناسایی بیماران عروق کرونری قلب همراه با دقت تشخیصی بهبود یافته شده است.

Keywords:

بیماری عروق کرونری قلب , پیش بینی , حمله حاد قلبی , الگوریتم ژنتیک , انتخاب مشخصه , ماشین بردار پشتیبان