[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 8، شماره 2 - ( 6-1400 ) ::
جلد 8 شماره 2 صفحات 193-207 برگشت به فهرست نسخه ها
مدل‌سازی و پیش‌بینی احتمال ابتلاء به بیماری‌ قلبی عروق کرونری با استفاده از الگوریتم‌های داده‌کاوی
پریا سعدی ، معصومه زینال نژاد ، فرزاد موحدی سبحانی
دکترای مهندسی صنایع، استادیار، گروه مهندسی صنایع، دانشکده فنی و مهندسی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران
چکیده:   (92 مشاهده)
مقدمه: بیماری قلبی عروق کرونری یکی از شایع‌ترین علت‌های مرگ‌ومیر در بزرگ‌سالان است، درحالی‌که، با تشخیص سریع و دقیق، درمان به‌موقع و نجات بیمار تا حد زیادی امکان‌پذیر است. از این‌رو، هدف این پژوهش شناسایی فاکتورهای مؤثر در ابتلاء به این بیماری و ارائه مدلی داده‌محور جهت کمک به پزشکان در پیش‌بینی و تشخیص آن است.
روش: پژوهش حاضر از نوع تحقیق کاربردی-توسعه‌ای است که در آن 2038 رکورد گردآوری شده در مدت 5 سال در بیمارستان قلب شهید رجایی تهران، طی عملیات پیش‌پردازش و آماده‌سازی، با استفاده از نمونه‌برداری تصادفی متوازن، به 1000 رکورد، 500 بیمار و 500 فرد سالم، کاهش یافت. مرور ادبیات تحقیق، مشاوره با پزشکان متخصص، و وزن‌دهی با استفاده از روش کای‌دو، منجر به تعیین ویژگی‌ها شد. مدل‌ها با استفاده از الگوریتم‌های ماشین بردار پشتیبان، شبکه عصبی و جنگل تصادفی در محیط نرم‌افزارهای رپیدماینر و پایتون ایجاد شدند.
نتایج: در میان 35 متغیر شناسایی شده، مهم‌ترین ویژگی‌ها عبارت‌اند از بیماری دریچه‌های قلبی، درد قفسه سینه، کلسترول بد، اختلال حرکت دیواره‌ای قلب، تری‌گلیسیرید، سدیم، پتاسیم، فشارخون و وزن. معیار F، دقت، صحت، و بازخوانی، به ترتیب، برای الگوریتم‌ جنگل تصادفی برابر با 82/11%، 81/40%، 79/07%، 85/40% و نرخ خطای مدل 18/6% محاسبه شد.
نتیجه‌گیری: جنگل تصادفی با دقت قابل قبولی احتمال ابتلاء به بیماری قلبی عروق کرونری را پیش‌بینی نمود. در مقایسه مدل‌ها، به علت زیاد بودن تعداد گره‌های ورودی، خطای مدل شبکه عصبی، 23/6%، نسبتاً بیشتر بود.
واژه‌های کلیدی: بیماری قلبی -عروق کرونری، پیش‌بینی، ماشین بردار پشتیبان، شبکه عصبی، جنگل تصادفی
متن کامل [PDF 1337 kb]   (43 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: داده کاوی
دریافت: 1400/2/19 | پذیرش: 1400/6/1
فایل صوتی [MP3 3992 KB]  (10 دریافت)
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Saadi P, Zeinalnezhad M, Movahedi Sobhani F. Modeling and Predicting the Risk of Coronary Artery Disease Using Data Mining Algorithms. Journal of Health and Biomedical Informatics. 2021; 8 (2) :193-207
URL: http://jhbmi.ir/article-1-592-fa.html

سعدی پریا، زینال نژاد معصومه، موحدی سبحانی فرزاد. مدل‌سازی و پیش‌بینی احتمال ابتلاء به بیماری‌ قلبی عروق کرونری با استفاده از الگوریتم‌های داده‌کاوی. مجله انفورماتیک سلامت و زیست پزشکی. 1400; 8 (2) :193-207

URL: http://jhbmi.ir/article-1-592-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 8، شماره 2 - ( 6-1400 ) برگشت به فهرست نسخه ها
مجله انفورماتیک سلامت و زیست پزشکی Journal of Health and Biomedical Informatics
Persian site map - English site map - Created in 0.04 seconds with 30 queries by YEKTAWEB 4341