دومین کنگره انفورماتیک پزشکی و هفتمین همایش سلامت الکترونیک
عنوان فارسی ارائه ی یک رویکرد ترکیبی مبتنی بر الگوریتم فراابتکاری و ماشین بردار پشتیبان ((SVM به منظور پیش بینی سکته قلبی
چکیده فارسی مقاله شایع ترین علت مرگ در کشور ایران به عنوان یک کشور در حال توسعه، بیماریهای قلبی عروقی است. به طور کلی اصطلاح بیماری قلبی شامل بیماری های مختلفی که قلب را تحت تاثیر قرار می دهد.سکته قلبی هنوز به عنوان یکی از علل عمده مرگ و میر با عوارض و هزینه های بالایی از مراقبت باقی مانده است. تشخیص سریع و پیش بینی اولیه برای بیماران مبتلا به سکته قلبی حاد، حیاتی است. چرا که درمان سریع و خونرسانی مجدد می تواند بسیاری از بیماران را بهبود بخشد.و این امر اهمیت، نیاز، ضرورت و سودمندی طراحی سیستم هایی را برای یاری رساندن به پزشک در تشخیص زودهنگام بروز حملات حاد قلبی بیش از پیش مشخص میکند. با توجه به این مسئله، هدف از این تحقیق، ایجاد مدل پیش بینی بیماری عروق کرونر قلبی با ویژگی های تحلیلی مناسب، با استفاده ازروش ترکیبی مبتنی بر الگوریتم فراابتکاری و ماشین بردار پشتیبان است. که باعث کاهش پیچیدگی محاسبات و زمان اجرا و انعطاف پذیری در تشخیص و طبقه بندی، بر اساس ریسک فاکتورهای موثر نوار قلب ارائه شده است. تازگی و نوآوری این کار بهره وری از تکنیک الگوریتم ژنتیک به عنوان مدل انتخاب مشخصه جهت کاهش ابعاد در تعیین سکته قلبی است. در اینجا از دقت طبقه بند ماشین بردار پشتیبان به عنوان تابع هدف الگوریتم ژنتیک استفاده می نماییم. به این منظور، آزمایشات روش ما بر روی داده های بالینی نوار قلب452 نفر از بیماران ، که شامل 207 داده مربوط به سکته قلبی ،245 داده ها نرمال بدست آمده است. عملکرد و کارایی روش ترکیبی الگوریتم فراابتکاری و ماشین بردار پشتیبان با استفاده از پایگاه داده نوار قلب بیماران به دست آمده از سایتUci با تمام ویژگی های عددی با ارزش ارزیابی شده است. روش پیشنهادی قادر به حذف 72 مشخصه کم اهمیت است بگونه ای که این امر می تواند، موجب کاهش پیچیدگی و حجم محاسبات و کاهش خطا آموزش و زمان اجرا کمتر نسبت به روشی که از تمام ویژگی هایی که در ماشین بردار پشتیبان استفاده شده است بشود. این روش با کاهش تعداد مشخصه می تواند 26% سرعت اجرای طبقه بندی را بهبود دهد که این بهبود چشم گیر بوده و می تواند تاثیر به سزایی در انتخاب این روش به عنوان روش بهتر دارد. این سیستم تشخیص، به مقدار دقت 9/84% رسیده است. بکارگیری الگوریتم ژنتیک به منظور بهینه سازی و کاهش مجموعه داده و انتخاب مشخصه های مهم توانست سکته قلبی را با دقت قابل قبولی در بیماران قلبی پیش بینی کند. همچنین نتایج آزمایشات این روش انتخاب مشخصه پیشنهادی در مقایسه با دو روش انتخاب مشخصه دیگر نشان می دهد که اندیس جینی با وجود انتخاب مشخصه های بیشتر نسبت به روش پیشنهادی قادر به بهبود طبقه بندی نیست. اما روش، اطلاعات به دست آمده با تنها یک درصد بهبود در دقت 15 مشخصه بیشتر نسبت به روش پیشنهادی انتخاب می کند. بنابراین روش ارائه شده ابزاری نویدبخش برای شناسایی بیماران عروق کرونری قلب همراه با دقت تشخیصی بهبود یافته شده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Providing a hybrid approach based on meta-heuristic algorithm AND support vector mashin (SVM) for foracasting myocardial infarction
چکیده انگلیسی مقاله Abstract: The most common cause of death in Iran, as a developing country, is cardiovascular disease. In general, the term heart disease includes various diseases that affect the heart. Myocardial infarction remains a major cause of mortality with high morbidity and cost of care. Rapid diagnosis and initial prediction is essential for patients with acute myocardial infarction. Because quick cure and rejuvenation can improve many patients. Therefore, it seems that finding a model for predicting the risk of this disease based on medical records of patients and other risk factors is a useful step towards reducing the mortality and morbidity of these diseases. Regarding this issue, the purpose of this study was to develop a predictive model of coronary artery disease with appropriate analytical characteristics using a hybrid technique based on the meta-heuristic algorithm and support vector machine. Which increases the accuracy and flexibility of diagnosis and classification based on the risk factors of effective ECG. Novelty and Innovation It is the efficiency of the genetic algorithm technique as a characteristic selection model for diminishing dimensions without compromising the accuracy of the support vector machine in determining myocardial infarction. Subsequently, a subset of selected features are used to predict coronary artery disease using a support vector machine. The use of genetic algorithm to predict cardiac arrhythmias with acceptable accuracy in order to optimize and reduce datasets and select important characteristics. The proposed method is capable of removing 72 least important features, as it can, reduces the complexity and volume of computing, and reduces training and runtime errors less than the one used for all the features used in the support vector machine. By reducing the number of attributes, this method can improve the execution rate of 26%, which is a significant improvement, and can have a significant impact on the choice of this method as a better way. This diagnostic system has reached a precision of 84.9%. Also, the results of the tests of this proposed method of selecting the proposed characteristic compared to the other two methods of selecting another characteristic show that the Gini index, despite the selection of more characteristics than the proposed method, can not improve the classification. However, the method information gain of only 1% in the accuracy of 15 more characteristics than the proposed method. Therefore, the proposed method is a promising tool for identifying patients with coronary artery disease with improved diagnostic accuracy.
کلیدواژه‌های انگلیسی مقاله بیماری عروق کرونری قلب, پیش بینی, حمله حاد قلبی, الگوریتم ژنتیک, انتخاب مشخصه, ماشین بردار پشتیبان.
نویسندگان مقاله arezoo ardame -

seyed hassan taheri -

نشانی اینترنتی http://mieh-2018.modares.ac.ir/browse.php?a_code=A-10-332-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   دوره مرتبط   |   کنفرانس مرتبط   |   فهرست کنفرانس ها