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.