بهبود تشخیص بیماریهای قلبی_عروقی با استفاده از سیستم تصمیم یار هوشمند با رویکرد رایانش مه

بیشترین نوع بیماری های قلبی شامل بیماری مادرزادی قلبی، نارسایی قلبی، کاردیومیوپاتی، بیماری روماتیسمی قلب، تنگی ریوی و بیماری عروق کرونر است. تشخیص بیماری های قلبی_ عروقی از طریق علایم ، یک چالش بزرگ در شرایط جهانی فعلی است و اگر به موقع تشخیص داده نشود ، ممکن است عامل مرگ و میر شود. به دلیل دسترسی محدود پزشکان متخصص قلب به مناطق دورافتاده ، یک سیستم پشتیبان تصمیم گیری هوشمند با رویکرد رایانش مه می تواند به عنوان یک راهکار موثر در بهبود تشخیص بیماری های قلبی_ عروقی استفاده شود. هدف این مقاله ارایه یک سیستم تصمیم یار هوشمند به منظور بهبود تشخیص بیماری های قلبی_ عروقی براساس رایانش مه است.در ابتدا ، اطلاعات و پرونده های پزشکی 100 بیمار جمع آوری می شوند. سپس داده های ورودی، باید پاکسازی و نرمالسازی شوند و بر اساس الگوریتم های استخراج ویژگی، ویژگی ها استخراج و انتخاب و وزن دهی می شوند. بعد از آن با استفاده از الگوریتم ماشین بردار پشتیبان ، داده ها طبقه بندی می شوند. نتایج نشان می دهد که معیار دقت در روش های پیشنهادی بالاتر از مقاله پایه است. در روش پیشنهادی ممتیک-ژنتیک دقت 93 درصد و در روش پیشنهادی گراف کاوی-ژنتیک دقت 91 درصد و در مقاله پایه دقت 86 درصد می باشد. روش های پیشنهادی توانسته سطح بیشتری را نسبت به مقاله پایه در منحنی ROC ارایه شده پوشش دهد. در روش ممتیک-ژنتیک در نقطه صفر مقدار TPR=0.38 بوده و در روش گراف کاوی-ژنتیک در نقطه صفر مقدار TPR=0.2 است. درحالیکه در مقاله پایه ،TPR مقدار آن صفر درنظرگرفته شده است. همچنین روش ممتیک-ژنتیک سریع تر می تواند به مقدار یک در TPR برسد. نقطه ای که به مقدار 1 رسیده است، 0.4 می باشد. خطای میانگین مربعات روش های پیشنهادی عملکرد بهتری نسبت به مقاله پایه داشته و برای روش ترکیبی ممتیک-ژنتیک و گراف کاوی-ژنتیک مقادیر 11و 15درصد را به خود اختصاص داده است.