TY - JOUR JF - jhbmi JO - jhbmi VL - 5 IS - 3 PY - 2018 Y1 - 2018/12/01 TI - Using GBC Algorithm to Optimize Support Vector Machine Parameters for Predicting the Relationship between Cancer and Cardiac Infarction: A Case Study TT - بهینه‌سازی ماشین بردار پشتیبان با الگوریتم GBC جهت پیش‌بینی ارتباط آنفارکتوس قلبی و سرطان: مطالعه موردی N2 - مقدمه: آگاهی از ابتلا به سرطان، احتمال بروز اختلالات عصبی و استرس در بیمار را افزایش می‌دهد. همچنین استرس خطر بروز آنفارکتوس قلبی را بیشتر می‌کند. مطالعه حاضر بر پایه الگوریتم GBC، به بررسی احتمال بروز سکته قلبی در بیماران سرطانی پرداخت. روش: اطلاعات بیماران از پایگاه داده بیمارستان فوق تخصصی شهید صدوقی یزد جمع‌آوری شد. پرونده پزشکی 1679 بیمار مبتلا به آنفارکتوس قلبی مورد بررسی قرار گرفت که از این تعداد، 81 بیمار مبتلا به سرطان بودند. در فرآیند انتخاب ویژگی توسط مدل پیشنهادی، اگر ابتلا به سرطان به عنوان ویژگی تأثیرگذار شناسایی شود، آنگاه ارتباط بین سرطان و آنفارکتوس قلبی معنادار خواهد بود. نتایج: با استفاده از مدل پیشنهادی، ویژگی ابتلا به سرطان برای پیش‌بینی امکان وجود احتمال بروز سکته قلبی انتخاب شد که نشان‌دهنده وجود رابطه معنادار بین این دو ویژگی در بیماران مستعد عارضه قلبی می‌باشد. نتایج نشان داد با انتخاب ویژگی ابتلا به سرطان، دقت پیش­بینی مدل پیشنهادی برابر با 0/91 بود. نتیجه­ گیری: با استفاده از انتخاب ویژگی ابتلا به سرطان، مدل پیشنهادی نسبت به سایر مدل‌های مورد مقایسه دارای حداقل میزان خطا و بیش‌ترین دقت و صحت در پیش‌بینی آنفارکتوس قلبی است. روش نایو بیز، حداکثر میزان خطا و کم‌ترین دقت را دارا است. نتایج شبیه‌سازی حاکی از احتمال بروز سکته قلبی، در بیماران مستعد عارضه قلبی، پس از خبردار شدن از بیماری سرطان طی ماه‌های اولیه خود است. SP - 361 EP - 372 AU - Nooshyar, Mehdi AU - Momeni, Mohammad AU - Gharravi, Sorayya AU - Hourali, Fatemeh AD - KW - Cancer KW - Heart attack KW - GBC algorithm KW - Support Vector Machine KW - Increase precision of prediction UR - http://jhbmi.ir/article-1-312-fa.html ER -