تشخیص بیماری عروق کرونری قلب با پیاده سازی الگوریتم ماشین بردار پشتیبان (svm) و استفاده از الگوریتم گورکن عسل (hba)

بیماری عروق کرونری قلب (chd) که به آن تنگی عروق کرونر قلب یا بیماری قلبی هم می‌گویند که میلیون‌ها نفر از این بیماری رنج می‌برند. بیماری قلبی در اثر اجتماع پلاکت‌ها در عروق به وجود می‌آید و به دنبال این اتفاق جریان خون هم مسدود می‌شود و خطر حمله‌ی قلبی و سکته در فرد بیمار افزایش می‌یابد. تشخیص به موقع این بیماری باعث بهبودی در درمان بیمار و صرفه جویی در هزینه‌ها خواهد شد. در این مقاله سعی در معرفی روشی برای تشخیص این بیماری بودیم که با استفاده از ویژگی‌های استخراج شده بیمار بتواند تشخیص را انجام دهد. ماشین بردار پشتیبان یک الگوریتم یادگیری ماشین با نظارت است که می‌تواند داده‌ها را یاد بگیرد و بر اساس آن یادگیری‌ها تصمیم بگیرد. بدین منظور ابتدا با استفاده از الگوریتم ماشین بردار پشتیبان سیستم را آموزش و نتایج را بدست آوردیم. سپس با پیاده سازی الگوریتم ماشین بردار پشتیبان و تلفیق آن با الگوریتم گورکن عسل توانستیم تشخیص و طبقه بندی بیماری را با سرعت و دقت بالاتری نسبت به قبل بدست آوریم. هدف اصلی ما در این مقاله تشخیص بیماری با نهایت دقت بود که پس از مقایسه کردن نتایج با هم، مشخص شد که دقت در تشخیص بیمار بودن فرد و یا نبودن فرد بالا رفته و تنواسته شد در کوتاه‌ترین زمان نتایج بهتری را بدست آوریم، بطوری که در ماتریس درهم‌ریختگی فقط با پیاده سازی الگوریتم ماشین بردار پشتیبان دقت ما در تشخیص بیمار نبودن 5/64 درصد و برای بیمار بودن 6/92 درصد و در نهایت دقت کل 73 درصد بدست آمد. اما بعد از تلفیق این دو الگوریتم با هم، دقت ما در تشخیص بیمار نبودن 5/82 درصد و برای بیمار بودن 8/93 درصد و در نهایت دقت کل 5/86 درصد بدست آمد که این نتایج نسبت به قبل نشان از بهبودی نتایج در تلفیق شدن دارد.