0% Complete
صفحه اصلی
/
چهارمین کنفرانس بین المللی محاسبات نرم
تشخیص بیماری عروق کرونر قلب با استفاده از تکنیک های داده کاوی
نویسندگان :
مریم قربانی شرفشاده
1
سید ابوالقاسم میرروشندل
2
1- دانشگاه آزاد اسلامی واحد رشت
2- دانشگاه گیلان
کلمات کلیدی :
بیماری قلبي، داده کاوی، پیش بینی، الگوریتم های طبقه بندی
چکیده :
بیماری عروق کرونر شایع ترین نوع بیماری های قلبی است. در این بیماری، عروق کرونر که اکسیژن، خون و همچنین مواد غذایی را به ماهیچه ی قلب میرساند، به علت تجمع کلسترول و چربی، آسیب می بیند. لایه های چربی موجود در عروق سبب نازک شدن رگ ها و در نتیجه نرسیدن اکسیژن و خون به میزان کافی به قلب می شود و احتمال حمله قلبی افزایش می یابد. امروزه بهترین روش برای تشخیص بیماری عروق كرونر آنژیوگرافی می باشد که علاوه بر هزينه بر بودن آن، عوارض خفیف و شدید برای انسان دارد. با توجه به عوارض و هزینه بر بودن آنژیوگرافی امکان روشی غیرتهاجمی در پیش بینی بیماری عروق كرونر بسیار مهم است. داده کاوی ظرفیت بسیار خوبی در کاوش الگوهای پنهان در مجموعه ی داده های استاندارد در بخش پزشکی دارد. هدف از این پژوهش تشخیص بیماری در مراحل اولیه درکوتاهترین زمان ممکن و با حداقل هزینه است. اكثر پژوهش ها در زمینه بیماری عروق کرونر با استفاده از مجموعه داده هاي UCI انجام شده است كه علاوه بر محدود بودن ويژگي ها، داراي مقادير مفقود و گمشده ي بسياري هست. در این پژوش يك مجموعه ي داده ي جديد و بدون مقادير مفقود با ويژگي هاي دقيق در تشخيص بيماري عروق كرونر قلب تهیه شده است. اين مجموعه داده از اطلاعات 309 مراجعه كننده به بيمارستان فوق تخصصي قلب جماران تهران از مهر 1399 تا اسفند 1399 به صورت تصادفي جمع آوري شده است. در اين پژوهش به منظور مدلسازی از الگوريتم هاي Naïve Bayes، SGDT، SMO، Bagging، Random Forest و همچنين يك الگوريتم تركيبي تغییر يافته استفاده شده است. مدل سازی در سه فاز تشخیص بیماری عروق کرونر، تشخیص بیماری عروق کرونر شدید و پیش بینی گرفتگی هر رگ به صورت جداگانه انجام شده است. در اين پژوهش الگوريتم SMO به دقت93% در پيش بيني بيماري عروق كرونر دست يافت.
لیست مقالات
لیست مقالات بایگانی شده
The Artificial Intelligence Usage in Estimating the Compressive Strength of Fiber-Reinforced Concrete
Abolfazl Yosefi - Hashem Jahangir - Saeed Hamidi - Reza Mehtari
کاهش ابعاد توصیفگرِ ویژگی های سیفت برای تسریع تناظریابی در تصاویر هم پوشان
سیدعلی حسینی
Convolutional Neural Networks with Different Dimensions for POLSAR Image Classification
Maryam Imani
طراحی یک سیستم خبره مبتنی بر منطق فازی جهت پیش بینی طول خمشی پارچه
فاطمه عبدالحسین زاده - پدرام پیوندی
مدلسازی خواص مکانیکی آلیاژ آلومینیم 6063 در فرایند اکستروژن در کانالهای هم مقطع زاویه دار با استفاده از منطق فازی
گوهر رنجبری
انتخاب ویژگی با ترکیب معیارها در کاربردهای طبقهبندی دادهها
وحید کیانی - آزاده سلطانی
A comparative Study on Ridge Waveguide Laser Diode with Single GaAs Quantum Well
Zahra Danesh Kaftroudi
تحلیل قابلیت اطمینان سیستم های چندوضعیتی بر اساس رویکرد تابع مولد عام در شرایط نادقیق
زهرا احسانی - رضا زارعی
The Basic Concepts of Convolutional Neural Networks
Farnaz Hoseini
Genetic Algorithm applied to optimization problems with fuzzy coefficient matrix
Abbas Akrami
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.0.2