تشخیص خودکار بیماری قلبی با استفاده از الگوریتم ازدحام ذرات و جنگل تصادفی

در سال های اخیر بیماری های قلبی عروقی جان میلیون ها نفر را در جهان گرفته است. ارائه راهکاری پویا در جهت تشخیصخودکار بیماری های قلبی بالاخص در سنین بالای ۵۰ سال بسیار ضروری است. چراکه درصورت تشخیص بیماری در زمان مناسب ازسکته های قلبی و حملات قلبی ناگهانی جلوگیری می شود. در این مقاله از یک مدل دو مرحله ای براساس تکنیک داده کاوی برایپیش بینی و تشخیص بیماری های قلبی استفاده شده است. مدل مذکور براساس یک سری مراحل پیش پردازش ایجاد شده است. اینمدل از دو بخش، الگوریتم بهینه سازی ازدحام ذرات جهت انتخاب ویژگی ها، الگوریتم طبقه بندی جنگل تصادفی جهت کلاس بندی وبخش ارزیابی تشکیل شده است. برای این تحقیق از دیتاست UCI استفاده شده که تعداد ۳۰۳ بیمار (مورد) در این دیتاست موجوداست. محیط شبیه سازی پایتون جهت تجزیه و تحلیل داده ها مورد استفاده قرار گرفته است و در نهایت دقت ۸۸/۵۲% حساسیت ۱%و خاصیت ۰/۴۱۶% را به دنبال داشت.