مدل ترکیبی مبتنی بر یادگیری ماشین برای پیشبینی بیماریهای قلبی با استفاده از دادههای نوار قلب

چکیده مقاله

از عوامل مهم کاهش مرگ و میر در بیماریهای قلبی تشخیص دقیق و به موقع وجود بیماری در افراد است هدف این پژوهش افزایش دقت و پایداری در تشخیص بیماریهای قلبی با استفاده از یک مدل ترکیبی Ensemble Model در یادگیری ماشین است در این مطالعه با ترکیب سه الگوریتم مجزا شامل رگرسیون لجستیک Logistic Regression ، ایکس جی بوست تقویت گرادیان فوق العاده یا همان GBoost و ماشین بردار پشتیبان SVM یک دسته بندی کننده رای دهنده Voting Classifier توسعه داده شد این مدل از روش رای گیری نرم soft voting بهره می گیرد تا نقاط قوت هر مدل را ترکیب کرده و نقاط ضعف آنها را جبران کند نتایج حاصل از ارزیابی نشان دادند که این مدل ترکیبی عملکرد بهتری نسبت به هر یک از مدلهای پایه به تنهایی دارد این امر نشان می دهد که استفاده از رویکرد ترکیبی در یادگیری ماشین در تحلیل داده های پزشکی و پیش بینی های دقیق برای بیماری های حساس مانند مشکلات قلبی بسیار موثر است یافته های این پژوهش اهمیت استفاده از مدل های ترکیبی برای بهبود عملکرد و افزایش اطمینان در سیستم های هوشمند تشخیص بیماری را تایید می کند

کلیدواژه‌ها

نویسندگان

مینا یسلیانی

دانشجوی کارشناسی ارشد دانشکده مهندسی صنایع دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

یسلیانی، مینا،1404،مدل ترکیبی مبتنی بر یادگیری ماشین برای پیشبینی بیماریهای قلبی با استفاده از دادههای نوار قلب،دومین کنفرانس بین المللی دو سالانه پیشرفت ها در هوش مصنوعی و علوم داده،بوشهر

ارائه‌شده در

همایش «بسیج، پیشرفت و امنیت پایدار در منطقه جنوب شرق کشور»7 بهمن 1404 · تهران