سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

صفحه اصلی / سومین کنفرانس بین المللی مهندسی و علوم کامپیوتر و اولین کنفرانس ملی سامانه های هوشمند، کلان داده و رایانش پیشرفته

رویکرد مبتنی بر یادگیری ماشین برای پیش بینی بیماری عروق کرونر قلب

نویسندگان :

فاطمه اکبری جونی¹ کیوان محبی²

1- دانشگاه آزاد اصفهان (خوراسگان) 2- دانشگاه آزاد اصفهان (خوراسگان)

کلمات کلیدی :

بیماری عروق کرونر،یادگیری ماشین،عدم تعادل کلاس،SMOTE بهینه شده،PSO،LightGBM

چکیده :

بیماری عروق کرونر قلب یکی از مهم‌ترین چالش های سلامت جهانی است و پیش بینی زودهنگام آن اهمیت ویژه ای دارد. بسیاری از مدل‌های پیش‌بینی مبتنی بر یادگیری ماشین به دلیل وجود داده های نامتعادل، در تشخیص صحیح بیماران با محدودیت مواجه هستند. در این مقاله، یک مدل پیش‌بینی کارآمد برای تشخیص بیماران مبتلا بهCAD با استفاده از الگوریتم LightGBM وSMOTE بهینه‌شده ارائه شده است که به‌منظور بهبود عملکرد مدل، با بهره‌گیری از الگوریتم PSO نرخ نمونع برداری SMOTE بهینه گردید. نتایج تجربی نشان می‌دهد که مدل پیشنهادی به دقت 99.79 درصد و امتیاز F1 برابر با 0.98 دست یافته است که بیانگر توان بالای مدل در تفکیک بیماران مبتلا از افراد سالم است. نتایج حاصل نشان می‌دهد که ترکیب بهینه‌سازی نرخ نمونه‌برداری با الگوریتم‌های یادگیری ماشین پیشرفته می‌تواند به طور قابل قبولی کارآمدی مدل پیش‌بینی پیشنهادی را برای پیش‌بینی خطر سکته قلبی ارائه دهد