ترکیب یادگیری تقویتی با الگوریتم های فرا ابتکاری به منظور بهبود تشخیص بیماری قلبی عروقی کرونر

بیماری قلبی و عروقی یکی از علل شایع ترین مرگ و میر در سراسر جهان است و به عنوان یک بیماری با نرخ مرگ ومیر بالا تلقی می شود. آنژیوگرافی اغلب به عنوان بهترین روش برای تشخیص این بیماری می باشد که با هزینه های بالاو عوارض جانبی عمده همراه بوده است. تحقیقاتی با استفاده از یادگیری ماشین و داده کاوی به منظور دستیابی به روشهای جایگزین انجام شده است. بر طبق روش پیشنهادی از الگوریتم های فرا ابتکاری ژنتیک از بردار پشتیبانی ماشین باتابع کرنل مرکب برای بیان بله و خیر استفاده گردیده است و علایمی که بیشترین تاثیر را در میان سایر علایم بر پیشبینی بیماری قلب اثر می گذارند پاداش داده می شود و علایمی که کمترین تاثیر بر پیش بینی بیماری قلب دارند پاداشکمتر دریافت می کنند واین گرفتن بیشترین و کمترین پاداش بر طبق یادگیری تقویتی بیان می شود. از نرم افزار مطلببرای پیاده سازی استفاده گردیده است.

کلیدواژه ها:

بردار پشتیبانی ماشین ، الگوریتم ژنتیک ، بیماری قلبی و عروقی ، کرنل مرکب