تركيب يادگيري تقويتي با الگوريتم هاي فرا ابتكاري به منظور بهبود تشخيص بيماري قلبي عروقي كرونر

بيماري قلبي و عروقي يكي از علل شايع ترين مرگ و مير در سراسر جهان است و به عنوان يك بيماري با نرخ مرگ و مير بالا تلقي مي شود. آنژيوگرافي اغلب به عنوان بهترين روش براي تشخيص اين بيماري مي باشد كه با هزينه هاي بالا و عوارض جانبي عمده همراه بوده است. تحقيقاتي با استفاده از يادگيري ماشين و داده كاوي به منظور دستيابي به روش هاي جايگزين انجام شده است. بر طبق روش پيشنهادي از الگوريتم هاي فرا ابتكاري ژنتيك از بردار پشتيباني ماشين با تابع كرنل مركب براي بيان بله و خير استفاده گرديده است و علائمي كه بيشترين تاثير را در ميان ساير علائم بر پيش بيني بيماري قلب اثر مي گذارند پاداش داده مي شود و علائمي كه كمترين تاثير بر پيش بيني بيماري قلب دارند پاداش كمتر دريافت مي كنند واين گرفتن بيشترين و كمترين پاداش بر طبق يادگيري تقويتي بيان مي شود. از نرم افزار مطلب براي پياده سازي استفاده گرديده است.