دوره 5، شماره 2 - ( بهار 1395 )                   جلد 5 شماره 2 صفحات 110-120 | برگشت به فهرست نسخه ها


XML English Abstract Print


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

Hamidi H, Daraie A. A New Hybrid Method for Improving the Performance of Myocardial Infarction Prediction . JCHR. 2016; 5 (2) :110-120
URL: http://jhr.ssu.ac.ir/article-1-297-fa.html
حمیدی حجت اله، دارایی عاطفه. پیش بینی سکته قلبی با استفاده از داده کاوی و روش انتخاب ویژگی دو مرحله ای. مجله تحقیقات سلامت. 1395; 5 (2) :110-120

URL: http://jhr.ssu.ac.ir/article-1-297-fa.html


1- گروه فنآوری اطلاعات، دانشگاه صنعتی خواجه نصیرالدین طوسی ، h_hamidi@kntu.ac.ir
2- گروه فنآوری اطلاعات، دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده:   (1249 مشاهده)

چکیده

مقدمه و هدف: سکته قلبی یکی از علل اصلی مرگ و میر در کشورهای در حال توسعه می‌باشد. هدف این مطالعه، ارزیابی عملکرد مدل‌های دسته‌بندی برای پیش‌بینی سکته قلبی است که از یک مدل انتخاب ویژگیِ مبتنی بر وزن‌دهی به‌وسیله SVM و الگوریتم ژنتیک، بهره می‌برد.

مواد و روش‌ها: داده‌های این مطالعه از اطلاعات مراجعهکنندگان به بیمارستان تخصصی قلب شهید مدنی خرمآباد به دست آمده است که شامل 519 بیمار و 52 ویژگی می‌شود. مدل پیشنهادی ما استفاده از یک روش انتخاب ویژگی ترکیبی در کنار الگوریتم‌های دسته‌بندی، به منظور بهبود عملکرد مدل‌های پیش‌بینی، می‌باشد. در مرحله اول از این مدل، ویژگی‌ها توسط روش وزن‌دهی به‌وسیله SVM، و با توجه به وزن هر ویژگی انتخاب می‌شود. در مرحله دوم، ویژگی‌های انتخاب شده به الگوریتم ژنتیک وارد شده و ویژگی‌های نهایی انتخاب می‌شوند. هشت روش دسته‌بندی شامل بهینه‌سازی متوالی کمینه، REPTree، بیز ساده، ماشین بردار پشتیبان، شبکه‌عصبی پرسپترون چندلایه، جنگل تصادفی، نزدیکترین همسایگان و شبکه بیزین، برای پیش‌بینی سکته قلبی به ویژگی‌های انتخاب شده، اعمال می‌شوند. 

نتایج: بهترین نتایج، پس از اعمال روش انتخاب ویژگی پیشنهادی و توسط الگوریتم‌های نزدیکترین همسایگان، شبکه‌عصبی پرسپترون چندلایه و بهینه‌سازی متوالی کمینه به دست آمده است که به ترتیب برابر با 69/97درصد، 5/97درصد و 3/97درصد می‌باشد.

نتیجه‌گیری: بر اساس نتایج این مطالعه، و بهبود عملکرد الگوریتم‌های دسته‌بندی، به نظر می‌رسد که به‌کارگیری استفاده از مدل انتخاب ویژگی پیشنهادی در کنار الگوریتم‌های دسته‌بندی می‌تواند یک روش قابل اطمینان برای پیش‌بینی سکته قلبی در نظرگرفته شود.

متن کامل [PDF 307 kb]   (755 دریافت)    
مروری: پژوهشي | موضوع مقاله: مدیریت اطلاعات بهداشتی
دریافت: ۱۳۹۵/۱/۲۳ | پذیرش: ۱۳۹۵/۳/۱۸ | انتشار: ۱۳۹۵/۳/۳۰

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله تحقیقات سلامت می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2015 All Rights Reserved | Journals of Community Health Research

Designed & Developed by : Yektaweb