پیش بینی بیماری قلبی با استفاده از شبکه عصبی مصنوعی بهبود یافته

پیش بینی صحیح بیماری قلبی افراد از اهمیت زیادی برخوردار است، لذا برای این پیش بینی بایستی از آن دسته مدل هایی استفاده کرد که دارای حداقل خطا و حداکثر اطمینان باشد .از این رو در این مطالعه از ترکیب شبکه عصبی مصنوعی با الگوریتم ژنتیک جهت ارزیابی مبتلا بودن افراد به سکته قلبی و نارسایی احتقانی استفاده شد.

در این تحقیق از شبکه عصبی مصنوعی پرسپترون چندلایه با الگوریتم پس انتشار خطا که با الگوریتم ژنتیک ترکیب شده جهت ارزیابی وضعیت دو بیماری قلبی استفاده شد. در این مقاله با استفاده از روش نمونه گیری خوشه ای اطلاعات بیمارستان آیت الله گلپایگانی قم که شامل 497 بیمار قلبی بود جمع آوری شد و نتایج با استفاده از نمودار راک مورد ارزیابی قرار گرفت. در نهایت داده ها که مشتمل بر متغیرهای فردی و بالینی مانند سن، جنسیت، تنگی نفس، تغییرات فشارخون و تعدادی آزمایش خون بود توسط تابع انتقال سیگموئید و تانژانت سیگموئید انتخاب و با تعداد 19 نرون ورودی و پنج نرون لایه میانی شبکه عصبی آموزش داده شد.

بررسی ها نشان داد که شبکه عصبی با پنج نرون لایه میانی دارای دقت بالاتری نسبت به سایر حالت ها می باشد و می توان با ارائه این شبکه عصبی با دقت 7/97 درصد بیماران سکته قلبی را پیش بینی کرد.

در این مطالعه با ترکیب شبکه عصبی و الگوریتم ژنتیک مدلی جهت پیش بینی بیماری قلبی ارائه شد. در این پژوهش سعی شد که از  فاکتورهای مهم و کم هزینه جهت پیش بینی بیماری قلبی استفاده شود به طوری که با کمترین هزینه شخص از بیماری خود آگاهی پیدا کند.