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

بیشترین نوع بیماری‌های 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 علائم ، 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 ارائه 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 داده‌های ورودی، باید پاکسازی و نرمالسازی شوند و بر اساس الگوریتم‌های استخراج ویژگی، ویژگی‌ها 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 می‌دهد که معیار دقت در روش‌های 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 می‌باشد. روش‌های پیشنهادی توانسته سطح بیشتری را نسبت به مقاله پایه در منحنی ROC ارائه شده پوشش دهد. در روش ممتیک-ژنتیک در نقطه صفر مقدار TPR=0.38 بوده و در روش گراف‌کاوی-ژنتیک در نقطه صفر مقدار TPR=0.2 است. درحالیکه در مقاله پایه ،TPR مقدار آن صفر درنظرگرفته شده است. همچنین روش ممتیک-ژنتیک سریع‌تر می تواند به مقدار یک در TPR برسد. نقطه‌ای که به مقدار 1 رسیده است، 0.4 می‌باشد. خطای میانگین مربعات روش‌های 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.