ارائه روشی جهت افزایش دقت تشخیص بیماریهای قلبی با ترکیب الگوریتمهای داده MAWB کاوی

بر اساس پیشبینی سازمان بهداشتجهانی، بیماریهای قلبی و عروقی به عنوان مهمترین عامل مرگ و میر در سراسر جهان تا سال۲۰۲۰ خواهد بود. از طرف دیگر هماکنون ۳۱ درصد از کل مرگ و میر جهان ناشی از بیماریهای قلبی و عروقی است که ۸۰ درصد آن در کشورهای در حال توسعه شیوع داشته که ایران با بیش از ۴۰ درصد مرگ و میر رکورددار بالاترین آمار مرگ قلبی در جهان است. دادهکاوی پزشکی با تکیه بر اطلاعات موجود در سوابق پزشکی، به کشف روابط میان دادهها جهت پیشگیری، پیشبینی و درمان بیماریها میپردازد. این مقاله به ارائه و معرفی راهکارهایی جهت بهبود استفاده از عملکرد الگوریتمهای پیشبینی بیماری قلبی با استفاده از اطلاعات موجود میپردازد و مدلی ترکیبی از وزن دهی بر اساس بهرهاطلاعاتی، بیز ساده و الگوریتم آدابوست را جهت بالا بردن دقت پیشبینی و ایجاد قوانین دقیق اما ساده و کاربردی با دقت ۸۵و۸۶ ٪ ارائه میدهد. این کار با استفاده از مخزن یادگیری ماشین UCI که دارای سیزده ویژگی مهم کلینکی و اطلاعات ۳۰۳ پرونده بیمار است صورت می گیرد

کلیدواژه ها:

درختتصمیم ، بیزساده ، استخراجقوانین ، شبکه هایعصبی ، بهرهاطلاعاتی ، آدابوست. Boosting