تشخیص بیماری قلبی با استفاده از هوش مصنوعی

چکیده مقاله

با گسترش علوم کامپیوتر و فنآور ی و هوش مصنوعی در پزشکی، دریچه های جدیدی از علم و تجارت در این حوزه گشوده شده است قلب انساناز لحاظ فیزیولوژیکی یک شاخص زنده محسوب می گرددو به همین علت تشخیص بیماری قلبی یکی از چالشهای بزرگ متخصصان قلب استکه ممکن است پیچیده و زمانبر باشد اما با توجه به پیشرفت های جدید در حوزه هوش مصنوعی، این فرایند بهبود یافته و تسریع شده است سیستمتصمیم گیری بالینی هوش مصنوعی AI CDSS یکی از روش های نوآورانه در تشخیص و پیشگیری از بیماری های قلبی است این سیستم با استفادهاز یادگیری ماشینی و استخراج دانش با مشارکت متخصصان طراحی شده است نشان داده است که دقت بسیار بالایی در تشخیص بیماری قلبیدارد به همین دلیل، استفاده از هوش مصنوعی در تشخیص بیماری قلبی میتواند بسیار مفید واقع شود، به خصوص در مواقعی که متخصصان قلبدر دسترس نیستند در حال حاضر، استفاده از تکنیک های اسکن شبکیه برای تشخیص بیماری های شبکیه ای مانند دیابتی رتینوپاتی و بیماریعصبی شبکیه مورد بررسی قرار گرفته است آنچه که جدیدا به توجه محققان مبدل شده است، استفاده از هوش مصنوعی در ترکیب با اسکن شبکیهغیرتهاجمی برای بررسی عملکرد قلب و پیش بینی تغییرات در عروق بزرگ بر اساس و یژگی ها و عملکرد میکروواسکولار است همچنین، استفادهاز هوش مصنوعی در تشخیص دیابت ی رتینوپاتی بر اساس تصاویر فوندوس و OCT ماکول همراه با دقت و حساسیت بالا تایید شده است اینتحقیقات نشان می دهد که تغییرات در ساختار و عملکرد شبکیه ممکن است نشان دهنده بیماری های عروقی سیستمیک و پیشرفت آنها باشد باتوجه به این تحقیقات، استفاده از هوش مصنوعی و یادگیری عمیق برای تشخیص بیماری های قلبی نیز مطرح است در علم کامپیوتر وفناوری امکانثبت سیگنال ها بصورت مداوم با استفاده دستگاه الکتروکاردیوگرام وجود دارد از طرفی تشخیص آریتمی بوسیله ی کامپیوتر برای مدیریت اختلالاتقلبی حائز اهمیت است در پژوهش های گذشته، مدل های مبتنی بر درخت تصمیم، ماشین بردارپشتیبان، بیز ساده، فاز ی وشبکه ی عصبی برایطبقه بندی و تشخیص همبستگی، ژنتیک، فیشر و الگوریتم بهینه سازی ازدحام ذرات برای انتخاب ویژگی ارائه گردید هر یک متریک هایی چوندقت، جامعیت و میانگین مربعات خطا بر اساس نیاز پژوهش ها گزارش شد اما روش های ارائه شده با توجه به توزیع نامتوازن نمونه ها در طبقاتو روابط موجود بین متغیرها از دقت مناسبی برخوردار نیستند لذا نیاز است تا پژوهش بیشتری در این حوزه انجام شود در این پژوهش، یک روشجهت پیش بینی انواع بیماری کرونر و سا یر نارسایی قلبی پیشنهاد شده است طرح پیشنهادی با ارائه یک طرح مبتنی بر تبدیل مجموعه دادگاناز یک متغیر چند برچسبه به چند مجموعه داده با متغیر دو برچسبه و همچنین انتخاب ویژگی های موثر هر زیر مجموعه با الگوریتم بهینه سازیذرات و در نهایت طبقه بندی شبکه ی عصبی قادر است مجموعه دادگان آریتمی قلب پایگاه UCI را با دقت ۲۹ ۴۳ درصد پیش بینی نما ید استفادهاز تکنیک های داده کاوی در زمینه پزشکی رشد روز افزونی داشته است داده کاوی نه تنها موجب استفاده بهینه از انبوه داده های ذخیره شدهتوسط سیسیتم های کلینیک شده بلکه موجب کشف دانش موجود در میان این داده ها نیز شده است تشخیص بیماری قلبی از جمله مسائلی استکه پزشکان این حیطه را با چالش هایی مواجه ساخته است ما در این مقاله با استفاده از داده های موجود و تکنیک دسته بندی k maens ، بااستفاده از نرم افزار کلمنتاین ،به تشخیص این بیماری می پردازیم سپس با استفاده از داده های تست عملکرد سیستم را مورد ارزیابی قرار میدهیمکه به خطای ۱۳ % دست می یابیم

کلیدواژه‌ها

نویسندگان

علی عموشاهی

سارا محمدیعرفان علیزادههستی سادات عارفیمحمدمهدی عابدینیکامیار بنی نجاریان

سارا محمدی

علی عموشاهیعرفان علیزادههستی سادات عارفیمحمدمهدی عابدینیکامیار بنی نجاریان

عرفان علیزاده

علی عموشاهیسارا محمدیهستی سادات عارفیمحمدمهدی عابدینیکامیار بنی نجاریان

هستی سادات عارفی

علی عموشاهیسارا محمدیعرفان علیزادهمحمدمهدی عابدینیکامیار بنی نجاریان

محمدمهدی عابدینی

علی عموشاهیسارا محمدیعرفان علیزادههستی سادات عارفیکامیار بنی نجاریان

کامیار بنی نجاریان

علی عموشاهیسارا محمدیعرفان علیزادههستی سادات عارفیمحمدمهدی عابدینی

�موشاهی، علی و محمدی، سارا و علیزاده، عرفان و عارفی، هستی سادات و عابدینی، محمدمهدی و بنی نجاریان، کامیار،1403،تشخیص بیماری قلبی با استفاده از هوش مصنوعی،هشتمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندس�

ارائه‌شده در

مجموعه مقالات هشتمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی27 آذر 1403