چکیده مقاله
بیماری های قلبی عروقی یکی از مهم ترین عوامل مرگ ومیر در جهان هستند و تشخیص دقیق و به موقع آن ها نقش اساسی در کاهش عوارض و هزینه های درمانی دارد در سال های اخیر، روش های یادگیری ماشین به طور گسترده در تشخیص بیماری های پزشکی مورد استفاده قرار گرفته اند، اما مدل های مبتنی بر یک شبکه عصبی واحد، به ویژه در مجموعه داده های پزشکی کوچک، اغلب با مشکل بیش برازش و ناپایداری در تصمیم گیری مواجه هستند در این پژوهش، یک مدل شبکه عصبی ترکیبی مبتنی بر رای گیری فازی برای پیش بینی بیماری قلبی ارائه شده است این مدل شامل دو شبکه عصبی پایه است خروجی این شبکه ها با استفاده از یک لایه رای گیری فازی ترکیب می شود که در آن وزن هر پیش بینی بر اساس میزان اطمینان آن تعیین می گردددر نهایت، خروجی ترکیب شده به یک شبکه نهایی ساده برای تولید تصمیم نهایی منتقل می شود ارزیابی مدل با استفاده از روش اعتبارسنجی متقاطع ۵ تایی بر روی مجموعه داده بیماری قلبی UCI انجام شده است نتایج تجربی نشان می دهد که مدل پیشنهادی به دقت متوسط ۸/۸۳% دست یافتهاست همچنین، میزان خطای منفی کاذب به میزان قابل توجهی کاهش یافته است که این موضوع در کاربردهای پزشکی از اهمیت بالایی برخوردار است یافته های این پژوهش نشان می دهد که استفاده از یک ساختار ترکیبی مبتنی بر رای گیری فازی می تواند پایداری تصمیم گیری و دقت تشخیص بیماری قلبی را نسبت به مدل های تک شبکه ای بهبود دهد مدل پیشنهادی به ویژه برای مجموعه داده های پزشکی کوچک مناسب بوده و می تواند به عنوان یک چارچوب قابل گسترش در سایر مسائل تشخیص پزشکی مورد استفاده قرار گیرد
کلیدواژهها
نویسندگان
شیوه ارجاع
�سروانیان، آسیه و آرمانی فر، مهدی و احمدی فر، علیرضا و افسری، حدیث،1404،طراحی و ارزیابی شبکه عصبی ترکیبی مبتنی بر رای گیری فازی برای تشخیص بیماری قلبی،سومین کنفرانس ملی تحول دیجیتال و سیستم های هوشمند،لارستان
ارائهشده در
مجموعه مقالات سومین کنفرانس ملی تحول دیجیتال و سیستم های هوشمند28 بهمن 1404 · لارستان