پیش بینی بیماری قلبی با استفاده از ترکیب شبکه عصبی و الگوریتم بهینه سازی ازدحام ذرات

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:

بیماری قلبی ، الگوریتم امداد ، شبکه عصبی مصنوعی ، الگوریتم بهینه سازی ازدحام ذرات