تشخيص بيماري عروق كرونري قلب با پياده سازي الگوريتم ماشين بردار پشتيبان (SVM) و استفاده از الگوريتم گوركن عسل (HBA)

بيماري عروق كرونري قلب (CHD) كه به آن تنگي عروق كرونر قلب يا بيماري قلبي هم مي‌گويند كه ميليون‌ها نفر از اين بيماري رنج مي‌برند. بيماري قلبي در اثر اجتماع پلاكت‌ها در عروق به وجود مي‌آيد و به دنبال اين اتفاق جريان خون هم مسدود مي‌شود و خطر حمله‌ي قلبي و سكته در فرد بيمار افزايش مي‌يابد. تشخيص به موقع اين بيماري باعث بهبودي در درمان بيمار و صرفه جويي در هزينه‌ها خواهد شد. در اين مقاله سعي در معرفي روشي براي تشخيص اين بيماري بوديم كه با استفاده از ويژگي‌هاي استخراج شده بيمار بتواند تشخيص را انجام دهد. ماشين بردار پشتيبان يك الگوريتم يادگيري ماشين با نظارت است كه مي‌تواند داده‌ها را ياد بگيرد و بر اساس آن يادگيري‌ها تصميم بگيرد. بدين منظور ابتدا با استفاده از الگوريتم ماشين بردار پشتيبان سيستم را آموزش و نتايج را بدست آورديم. سپس با پياده سازي الگوريتم ماشين بردار پشتيبان و تلفيق آن با الگوريتم گوركن عسل توانستيم تشخيص و طبقه بندي بيماري را با سرعت و دقت بالاتري نسبت به قبل بدست آوريم. هدف اصلي ما در اين مقاله تشخيص بيماري با نهايت دقت بود كه پس از مقايسه كردن نتايج با هم، مشخص شد كه دقت در تشخيص بيمار بودن فرد و يا نبودن فرد بالا رفته و تنواسته شد در كوتاه‌ترين زمان نتايج بهتري را بدست آوريم، بطوري كه در ماتريس درهم‌ريختگي فقط با پياده سازي الگوريتم ماشين بردار پشتيبان دقت ما در تشخيص بيمار نبودن 5/64 درصد و براي بيمار بودن 6/92 درصد و در نهايت دقت كل 73 درصد بدست آمد. اما بعد از تلفيق اين دو الگوريتم با هم، دقت ما در تشخيص بيمار نبودن 5/82 درصد و براي بيمار بودن 8/93 درصد و در نهايت دقت كل 5/86 درصد بدست آمد كه اين نتايج نسبت به قبل نشان از بهبودي نتايج در تلفيق شدن دارد.