بررسي كارايي سيستم دسته‌بند يادگير براي شناسايي بيماران قلبي

پيشينه و اهداف: بيماري‌هاي قلبي به‌عنوان يكي از شايع‌ترين بيماري‌هاي جهان معرفي‌شده‌اند و تأخير در درمان آن‌ها مي‌تواند منجر به افزايش مرگ بيماران گردد. هدف اصلي اين تحقيق ارتقاء شناسايي بيماران قلبي با استفاده از سيستم دسته‌بند يادگير است.روش‌ها: در اين تحقيق، از سيستم‌هاي دسته‌بند يادگير با تكنيك‌هاي يادگيري مبتني بر قواعد استفاده‌شده است. اين تكنيك‌ها بر پايه دو اصل اساسي يادگيري تقويتي و الگوريتم‌هاي تكاملي ژنتيك ساخته‌شده‌اند. سبك ميشيگان به‌عنوان روش بهينه‌سازي انتخاب‌شده و مجموعه داده بيماران قلبي از مركز تحقيقات افشار براي آموزش و يادگيري سيستم مورداستفاده قرارگرفته است.يافته‌ها: پس از آموزش سيستم، تعدادي قانون باارزش توليدشده كه در مرحله آزمون براي پيش‌بيني بيماران قلبي مورداستفاده قرار گرفته‌است. نتايج آزمايش‌ها نشان‌مي‌دهد كه با استفاده از سيستم دسته‌بند يادگير بر مبناي سبك ميشيگان، شناسايي بيماران قلبي بهبوديافته و دقت پيش‌بيني به ۸۸ درصد افزايش‌يافته است؛ كه اين روش قادر به انجام شناسايي كامل‌تري از بيماران قلبي است.نتيجه‌گيري: با توجه به نتايج تحقيق، استفاده از سيستم دسته‌بند يادگير بر مبناي سبك ميشيگان به‌عنوان يك رويكرد بهينه، شناسايي بيماران قلبي را بهبود بخشيده و دقت پيش‌بيني را افزايش داده است. اين روش مي‌تواند بهبود مؤثري در درمان به‌موقع بيماران قلبي و كاهش مرگ‌ومير ناشي از اين بيماري‌ها داشته باشد.