تشخیص میزان تجویز دوز دارو برای بیماران قلبی با استفاده از شبکه عصبی ‌کانولوشنی فازی بهبودیافته

هدف: بیماری‌های قلبی عروقی یکی از مهم‌ترین علت‌های مرگ‌ومیر در کل دنیا محسوب می‌شود. درصورتی‌که بتوان سریع و دقیق این بیماری را شناسایی کرد، می‌توان در جهت درمان اقدام نمود. استفاده از داده‌های مختلف برای تشخیص بیماری‌های گوناگون بخصوص بیماری‌های قلبی عروقی با استفاده از داده‌کاوی از اهمیت بالایی برخوردار است. داده‌کاوی بر روی این داده‌ها سبب می‌شود که الگوهای مفیدی از این داده‌ها به‌دست آید. بزرگ‌ترین چالش در این زمینه حجم زیاد داده‌هاست. ازاین‌رو استفاده از تکنیک مناسب برای به‌دست آوردن الگوهای مناسب به کمک داده‌کاوی کمک شایانی خواهد نمود.روش‌شناسی پژوهش: در این مقاله روشی مبتنی بر شبکه عصبی کانولوشنی بهینه فازی که خود ویژگی‌های بهینه را استخراج می‌کند، ارایه خواهد شد تا علاوه بر تشخیص بیماری قلبی، میزان دوز دارو برای بیماران قلبی را نیز تجویز کند. وزن‌های شبکه عصبی استفاده‌شده پس از آموزش به کمک pso، بهینه خواهد شد. در این مقاله، از دو نوع داده که شامل ویژگی‌های افراد بیمار و ecg بیماران است، استفاده می‌شود. یک ویژگی به نام میزان دوز دارو نیز پیشنهاد شده است که بر اساس تشخیص میزان شدت بیماری قلبی، دوز دارو را تجویز می‌نماید.یافته‌ها: عملکرد روش پیشنهادی با دیگر روش‌های هوشمند مقایسه شد و دیده شد که روش پیشنهادی با دقت %1/95 با استفاده از پایگاه داده mit-bih و uci، به‌صورت توامان عمل تشخیص را بهتر انجام داده است. همچنین دیده شد که آموزش شبکه با تعداد کافی از داده‌ها سبب شد که کلیه روش‌ها با راندمان بهتری عمل کنند. به علاوه مشاهده شد که اگر استخراج ویژگی مانند تبدیل ویولت، تبدیل فوریه و pca انجام شود تاثیر موثری در دقت روش پیشنهادی به‌وجود خواهد آمد.اصالت/ارزش افزوده علمی: برای تشخیص بیماری قلبی-عروقی از شبکه عصبی کانولوشنی فازی که وزن‌های شبکه با استفاده از pso بهینه شده است استفاده می‌شود. روش پیشنهادی علاوه بر تشخیص بیماری قلبی عروقی قابلیت تجویز میزان دوز دارو را نیز دارد.

detection of drug dosage for cardiac patients using improved fuzzy convolutional neural network

purpose: cardiovascular diseases are one of the most important causes of death in the whole world. if this disease can be identified quickly and accurately، it can be treated. it is very important to use different data to diagnose various diseases، especially cardiovascular diseases using data mining. data mining on these data causes useful patterns to be obtained from these data. the biggest challenge in this field is the large amount of data. therefore، using the right technique to get the right patterns with the help of data mining will help a lot.methodology: in this article، a method based on the fuzzy optimal convolutional neural network that extracts the optimal features will be presented in order to prescribe the drug dosage for heart patients in addition to diagnosing heart disease. the weights of the used neural network will be optimized after training with the help of pso. in this article، two types of data are used، which include the characteristics of patients and ecg of patients. a feature called drug dosage is also suggested، which prescribes the drug dosage based on the diagnosis of the severity of the heart disease.findings: the performance of the proposed method compared with other intelligent methods and it was saw that the proposed method performs better in the detection with an accuracy of 95.1% using the mit-bih and uci databases simultaneously. it was also saw that training the network with a sufficient number of data makes all methods perform better. in addition، it was saw that if feature extraction such as wavelet transform، fourier transform and pca is performed، there will be an effective impact on the accuracy of the proposed method.originality/value: to diagnose cardiovascular disease، a fuzzy convolutional neural network is used، whose network weights are optimized using pso. in addition to the diagnosis of cardiovascular disease، the proposed method has the ability to prescribe the drug dosage.