پيش‌بيني بيماري‌هاي قلبي با استفاده از شبكه باور عميق

Heart disease prediction using deep belief network

قلب ارگان اصلي بدن بوده و زندگي بدون ضربان قلب امكان پـذير نيست؛ از اين‌رو پيش‌بيني بيماري قلبي بسيار بااهميت و در بسياري از مواقع و موقعيت‌ها نجات‌بخش زندگي انسان‌ها است. در اين مقاله، روشي براي پيش‌بيني بيماري هاي قلبي با استفاده از تكنيك‌هاي يادگيري عميق ارايه شده است. در روش پيشنهادي، ابتدا داده هاي ورودي به سيستم، مورد پردازش اوليه قرار مي گيرند. سپس براي اينكه محاسبات دقيق‌تر شوند و زمان محاسبات نيز كاهش يابد اقدام به استخراج و انتخاب ويژگي‌هاي ورودي با شبكه باور عميق نموده ايم تا ويژگي هايي كه اضافي هستند و در محاسبات مورد نياز نيستند حذف شوند و تنها ويژ‌گي‌هايي از داده‌هاي ورودي استخراج شوند كه در انجام محاسبات موثر هستند. سپس با استفاده از شبكه عصبي LSTM، اقدام به آموزش سيستم نموده و بدين‌صورت سيستم، الگوي پيش‌بيني بيماري قلبي را برحسب ويژ گي هاي استخراج‌شده، ياد مي‌گيرد و مدل نيز تشكيل مي شود كه اين مدل در واقع اساس پيش‌بيني خواهد بود. نهايتا با استفاده از اين مدل، پيش‌بيني بيماري قلبي برحسب داده‌هاي ورودي، انجام شده است. براي ارزيابي روش پيشنهادي نيز از مجموعه داده هاي UCI بهره گرفته شد. نتايج تجربي نشان داد كه روش پيشنهادي در مقايسه با روش‌هاي پايه عملكرد مناسب‌تري برحسب ميزان دقت، بازخواني و همچنين معيار F دارد.