Motamed S, Askari E. Diagnosing Heart Disease Using Convolutional Neural Network and the Particle Swarm Optimization. jhbmi 2024; 11 (1) :26-42
URL:
http://jhbmi.ir/article-1-840-fa.html
معتمد سارا، عسکری الهام. تشخیص بیماری قلبی با استفاده از شبکه های عصبی پیچشی و الگوریتم بهینه سازی ذرات. مجله انفورماتیک سلامت و زیست پزشکی. 1403; 11 (1) :26-42
URL: http://jhbmi.ir/article-1-840-fa.html
استادیار، دکترای مهندسی کامپیوتر، گروه کامپیوتر، واحد فومن و شفت، دانشگاه آزاد اسلامی، فومن، ایران
چکیده: (329 مشاهده)
مقدمه: قلب انسان از لحاظ فیزیولوژیکی یک شاخص زنده محسوب میگردد و امکان ثبت سیگنالها به صورت مداوم با استفاده از دستگاه الکتروکاردیوگرام وجود دارد. بیماریهای قلبی- عروقی یکی از مهمترین علتهای مرگومیر در کل دنیا محسوب میشوند. مبتلا شدن به بیماریهای قلبی-عروقی میتواند قابل اجتناب باشد، البته درصورتی که بتوان سریع و دقیق این بیماری را پیشبینی یا شناسایی کرد و در جهت جلوگیری اقدام نمود.
روش کار: در این مطالعه با هدف تشخیص الگوهای موجود در ویژگیهای استخراج شده از بیماران آریتمی قلبی، گروهی از نارساییهای قلبی پیشبینی خواهد شد و نمونههای بیمار را از حالت عادی تشخیص میدهد. در مدل پیشنهادی ابتدا روی مجموعه دادگان، در مرحله پیشپردازش، عملیات گسستهسازی و جایگزینی مقادیر از دست رفته به روش میانگینگیری ستونی انجام میشود، سپس به منظور کاهش ویژگیها، پیچیدگی و افزایش سرعت و دقت، عملیات انتخاب ویژگی، روی دادههای نرمال شده صورت گرفته و به طبقهبندهای درخت تصمیم، k نزدیکترین همسایه، بیز ساده و CNN ارسال میشود.
یافتهها: در مقایسهای که از دقت بهدست آمده از الگوریتمهای مختلف قبل و بعد از اعمال روش پیشنهادی انجام شده است مشاهده میشود که کلیه روشها پس از اعمال روش پیشنهادی، با دقت بهتری عمل میکنند همچنین CNN عملکرد بهتری از خود نشان داده است.
نتیجهگیری: نتایج نشان داد که دقت مدل پیشنهادی با نرخ تشخیص 34/92 درصد بهتر از سایر روشها عمل مینماید.
نوع مطالعه:
پژوهشي اصیل |
موضوع مقاله:
هوش مصنوعی در حوزه سلامت دریافت: 1402/10/19 | پذیرش: 1403/3/9