تشخیص بیماری قلبی عروق کرونر با سیستم هوشمند ترکیبی براساس الگوریتم نهنگ، شبیه ساز تبرید و ماشین بردار پشتیبان

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 613

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JEMSC-4-2_005

تاریخ نمایه سازی: 20 خرداد 1398

چکیده مقاله:

در سال­های اخیر، الگوریتم ­های یادگیری ماشین به طور گسترده­ای در تشخیص و درمان به موقع بیماری­ ها نقش بسزایی را ایفا می­کنند. علاوه بر این، تشیخص بیماری در مراحل آغازین آن، در بهبود بیماری و در کاهش هزینه­ های درمانی بیمار بسیار موثر است. بیماری قلبی یکی از دلایل اصلی مرگ در جهان شناخته شده­ است. مطالعات زیادی برای تشخیص بیماری و طراحی سیستم هوشمند و کارا انجام شده ­است. در این مقاله، الگوریتم ترکیبی نهنگ و شبیه ساز تبرید برای شناسایی عوامل موثر در تشخیص بیماری ارائه شده ­است و الگوریتم ماشین بردار پشتیبان برای طبقه­ بندی موثر بیماری لحاظ شده ­است. رویکرد پیشنهادی با مجموعه داده بیماری قلبی کلیولند در پایگاه داده UCI ارزیابی شده ­است. الگوریتم پیشنهادی با صحت ۸۷.۷۸ درصد با تعداد ویژگی کمتر توانسته بیماری را تشخیص دهد. نتایج حاصل برتری روش پیشنهادی را نشان می­دهد و همچنین رویکرد پیشنهادی می­تواند پزشکان را در تشخیص درست و  در مراحل اولیه بیماری یاری رساند.

کلیدواژه ها:

بیماری قلبی عروق کرونر ، ماشین بردارپشتیبان (SVM) ، الگوریتم بهینه سازی نهنگ (WOA) ، الگوریتم شبیه سازتبرید SA)) ، الگوریتم ترکیبی

نویسندگان

زینب حسنی

مربی، دانشکده فنی وعلوم پایه، دانشگاه کوثر بجنورد، بجنورد،

مهین خسروی مشیزی

۲ دانشجو، دانشکده فنی وعلوم پایه، دانشگاه کوثر ، بجنورد،

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  •  Khemphila and V. Boonjing. (2010). Comparing Performances of Logistic ...
  • and Neural Networks for Classifying Heart Disease Patients. 2010 IEEE ...
  • Conference on Computer Information Systems and Industrial Management Systems, pp. ...
  •  Buchan, K., Filannino, M., Uzuner, O. (2017). Automatic prediction ...
  • clinical narratives. Journal of biomedical informatics, Vol.72, pp.23-32. ...
  •  Burges C. (1998). A tutorial on support vector machines ...
  • Knowledge Discovery, vol.2, pp. 121 – 167. ...
  •  Center for Machine Learning and Intelligent Systems. Cleveland heart ...
  • from: URL http://archive.ics.uci.edu/ml/machine-learningdatabases/ heart-disease/heart disease. ...
  •  Cortes C. Vapnik V. (1995). Support-vector networks. Machine Learning, ...
  •  D. Goldberg, K. Deb, B. Korb. (1989). Messy genetic ...
  • Complex Syst. 3, pp.493–530. ...
  •  Davari Dolatabadi, A., Esmael Zadeh, S., Mohammadzadeh, B. (2017). ...
  • coronary artery disease (CAD) patients using optimised SVM. Vol.138, pp. ...
  •  G. Sanchita, D. Anindita, et al. (2016). Evolutionary algorithm ...
  • P.B.S. Mishra, et al. (Eds.), Techniques and Environments for Big ...
  • Cloud, and Grid Computing, Springer Interna- tional publishing: Cham, pp. ...
  •  Huang T. Kecman V. Kopriva I. (2006). Kernel based ...
  • semi-supervised, and unsupervised learning, Springer-Verlag, Berlin, Heidelberg. ...
  •  Khosravanian A, Ayat SS. (2015). Presenting an intelligent system ...
  • disease by using Probabilistic Neural Network. Health Inf Manage; 12(1), ...
  •  R. Jensen, Q. Shen. (2003). Finding Rough Set Reducts ...
  • Proceedings of the 2003 UK Workshop on Computational Intelligence, pp. ...
  •  S. Kirkpatrick, C.D. Gelatt, M.P. Vecchi. (1983). Optimization by ...
  •  S. Mirjalili, A. Lewis. (2016). The whale optimization algorithm, ...
  •  S. Pouriyeh, S. Vahid, G. Sannino, G. D. Pietro ...
  • Investigation and Comparison of Machine Learning Techniques in the Domain ...
  • Disease, IEEE Symposium on Computers and Communication. ...
  •  S. Xu, Z. Zhang, D. Wang, J. Hu, X. ...
  • Based on CFS Subset Evaluation and Random Forest Classification Framework. ...
  • Conference on Big Data Analysis. ...
  •  V. Vapnik and A. Chervonenkis. (1991). The necessary and ...
  • empirical risk minimization method. Pattern Recognition and Image Analysis, vol. ...
  •  Wong, N.D. (2014). Epidemiological studies of CHD and the ...
  • Rev. Cardiol. Vol.11, pp.276-289. ...
  • نمایش کامل مراجع