یک رویکرد جدید مبتنی بر الگوریتم XGBoost و هوش مصنوعی تفسیرپذیر به منظور پیش بینی بیماری قلبی
محل انتشار: اولین کنفرانس هوش مصنوعی و پردازش هوشمند
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 568
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISC01_045
تاریخ نمایه سازی: 16 آبان 1401
چکیده مقاله:
حملات قلبی یکی از عوامل مهم مرگ و میر در جهان هستند. پیش بینی و پیشگیری از این امر یک ضرورت اساسی برای بهبود بهداشت و درمان است. لذا برای این پیش بینی باید از الگوریتم ها و مدل-هایی بهره برد که دارای کمترین خطا و بیشترین دقت و اطمینان باشند. یادگیری ماشین زمانی که در مراقبت های بهداشتی بکار می رود قادر به تشخیص زود هنگام و دقیق بیماری است. تشخیص بیماری از روی ویژگی های مختلف و جلوگیری از تشدید بیماری یکی از مهم ترین کاربردهای داده کاوی و کشف دانش در بیمارن قلبی است. در این مقاله سعی شده است با ارائه روشی تفسیر پذیر و دقیق و مقایسه آن با روش های پیشین، بیماری قلبی را تشخیص و مهم ترین ویژگی های تاثیر گذار در این بیماری را توسط مدل تعیین کرد. بدین منظور از الگوریتم XGBoost به منظور پیش بینی بیماری قلبی استفاده شده است و خروجی مدل با استفاده از الگوریتم SHAP تفسیر شده است. از مزایا روش پیشنهادی می توان به کارایی و دقت بالا و تفسیرپذیری خروجی ها اشاره کرد.
کلیدواژه ها:
نویسندگان
علیرضا نوحی
کارشناس ارشد هوش مصنوعی دانشگاه سمنان
حمید نصیری
دانشجوی دکتری هوش مصنوعی دانشگاه سمنان
فرزین یغمایی
استادیار دانشکده برق و کامپیوتر دانشگاه سمنان