پیش بینی بیماری قلبی با استفاده از ترکیب شبکه عصبی و الگوریتم بهینه سازی ازدحام ذرات
محل انتشار: دومین کنفرانس بین المللی مهندسی و علوم کامپیوتر
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 235
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- 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:
ICCSE02_054
تاریخ نمایه سازی: 14 اسفند 1401
چکیده مقاله:
بیماری قلبی یکی از شایع ترین علل های مرگ و میر در سراسر جهان می باشد. در پیش بینی بیماری قلبی بهترین روشهای تشخیص بیماری با هزینه ای بالا و عوارض جانبی عمده در ارتباط است . در این راستا تحقیقات زیادی با استفاده از یادگیری ماشین و داده کاوی ، به دنبال روش جایگزین انجام شده است . با وجود موفقیت این تحقیقات، همچنان بالا بردن دقت در زمینه پیش بینی بیماری قلبی جای کار دارد. در این پژوهش ، روشی جهت افزایش دقت در پیش بینی بیماری قلبی ارائه شده است . در این روش، ابتدا به منظور کاهش حجم داده ها و انتخاب ویژگی های مهم ، تکنیک انتخاب ویژگی الگوریتم Relief اعمال شده است . سپس با استفاده از الگوریتم بهینه ساز ازدحام ذرات وزن اولیه شبکه عصبی مصنوعی تعیین می شود و در نهایت جواب نهایی جهت طبقه بندی با الگوریتم شبکه عصبی مصنوعی به دست می آید. روش ارائه شده با استفاده از مجموعه داده Z-Alizadeh در ابزار ارزیابی Matlab با اخرین کار مشخص شده با استفاده از معیار های ارزیابی دقت ، حساسیت ، اختصاصی بودن و نمودار ROC مقایسه شده است . نتایج نشان می دهد که الگوریتم پیشنهادی با استفاده از روش ترکیبی الگوریتم Relief، شبکه عصبی و الگوریتم بهینه سازی ازدحام ذرات توانسته است دقت و حساسیت را نسبت به اخرین کار مشخص شده افزایش دهد و همچنین نمودار ROC روش پیشنهادی عملکرد بهتری نسبت به اخرین کار مشخص شده دارد.
کلیدواژه ها:
نویسندگان
آرزو اسدی
کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار، دانشگاه آزاد واحد مشهد
ساناز روح پرور
کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار، دانشگاه آزاد واحد مشهد
ندا هاشم پورمفصلی
کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار، دانشگاه آزاد واحد مشهد
احمدرضا محمدی سامانی
دانشجوی دکتری تخصصی مهندسی کامپیوتر دانشگاه آزاد واحد(خوراسگان) اصفهان