رویکردی بر پیش‎بینی بیماری قلبی با ترکیب شبکه عصبی و الگوریتم کرم شب‎تاب

بیماری قلبی یک مشکل عمده سلامت در زمان امروز است که می‎تواند بر جنبه های جسمی، روانی و اجتماعی، سلامتی و درک فرد از خوب بودن تاثیرگذار باشد. به علت فراوانی داده ها و پیچیدگی و ناهمگونی آنها در پزشکی، نیاز به تکنیک هایی برای استخراج دانش در رابطه با بیماری قلبی است تا بتوان به پیش‎بینی زودهنگام این بیماری کمک کرد. ازطرفی دیگر روش‎های تهاجمی که برای تشخیص بیماری قلبی بکار می روند مانند آنژیوگرافی هزینه های زیادی در پی دارند و در تشخیص های انسانی نیز امکان بروز خطا وجود دارد. به این منظور از تکنیک های داده کاوی برای بدست آوردن نتایج مفید از داده های پزشکی برای بهبود روشهای تشخیصی، مراقبتی استفاده می شود. این امر از آن جهت دارای اهمیت است که می توان از آسیب های ناشی از روشهای تهاجمی تشخیص بیماری قلبی مانند آنژیوگرافی تا حدودی پیشگیری نمود و همچنین میزان عوارض تجویز داروهای مورد استفاده را در بیمارانی که به آن نیاز ندارند، کاهش داد. در این مطالعه، روشی جهت پیش‎بینی بیماری قلبی ارائه شده است. در این روش، در ابتدا با استفاده از تکنیک انتخاب ویژگی تحلیل مولفه اصلی ابعاد داده ها کاهش پیدا می کند و ویژگی های مهم انتخاب می شوند. سپس الگوریتم کرم شب‎تاب برای تعیین وزن های اولیه شبکه عصبی مصنوعی به کار برده می شود. و در نهایت طبقه بندی با استفاده از شبکه عصبی انجام می شود و پس از ۱۰ مرتبه مدل سازی و مقایسه مدل های تولید شده، مدل نهایی بدست می آید. مدل ارائه شده با استفاده از مجموعه داده علیزاده ثانی در نرم‎افزار متلب پیاده سازی شده است. معیارهای ارزیابی در این تحقیق دقت، حساسیت و ویژگی هستند و برای مقایسه و انتخاب بهترین مدل از نمودار ROC استفاده شده است. نتایج نشان می‎دهد مدل بدست آمده مبتنی بر ترکیب الگوریتم کرم شب‎تاب و شبکه عصبی، به علت ویژگی بالا می‎تواند از عوارض و آسیب های احتمالی آنژیوگرافی در بیمارانی که نیاز به آن ندارند جلوگیری نماید. از طرف دیگر می‎تواند به علت حساسیت بالا بیمارانی که به طور واقعی به این اقدامات تشخیصی و درمانی نیاز دارند را پیش‎بینی نماید.

کلیدواژه ها:

بیماری قلبی ، شبکه عصبی مصنوعی ، الگوریتم کرم شب‎تاب ، تحلیل مولفه های اصلی