ارایه یک روش یادگیری جمعی برای پیش‌بینی بیماری‌های سرخرگ تاجی

بیماری سرخرگ تاجی (cad)، نوعی بیماری فراگیر قلبی است که در جوامع پیشرفته و بخصوص در سنین بالا قربانیان زیادی می‌گیرد. در حالت پیشرفته، اگر یک سرخ‌رگ تاجی به علت مسدود شدن آن توسط یک لخته خون، به‌طور کامل جلوی خونرسانی‌اش گرفته شود، قسمتی از عضله قلب که دیگر خون به آن نمی‌رسد، خواهد مرد و این به سکته قلبی می‌انجامد. از این‌رو پیش‌بینی به موقع این بیماری در جهت انجام اقدامات مراقبتی می‌تواند جان بیماران زیادی را از خطر سکته قلبی نجات دهد. در این پژوهش یک روش یادگیری جمعی از ترکیب سه الگوریتم مطرح یادگیری ماشین، knn، nb و svm، برای پیش‌بینی بیماری‌های سرخرگ تاجی پیشنهاد شد. برای ارزیابی روش پیشنهادی از گزارش‌ها و داده‌های پزشکی در دسترس عموم از مخزن داده uci استفاده شد و کارایی الگوریتم جمعی پیشنهادی با دو الگوریتم پایه، یکی svm به عنوان بهترین این سه الگوریتم و دیگری جنگل تصادفی (rf) به عنوان الگوریتم کارامد یاد شده در کارهای گذشته، مقایسه شد. نتایج ارزیابی نشان داد الگوریتم جمعی پیشنهادی ضمن برتری در مقایسه با هریک از الگوریتم‌های پایه از دقت مطلوبی برای وظیفه پیش‌بینی بیماری‌های سرخرگ تاجی برخوردار است.