پیش‌بینی بیماری‌های قلبی با استفاده از شبکه باور عمیق

قلب ارگان اصلی بدن بوده و زندگی بدون ضربان قلب امکان پذیر نیست؛ از این‌رو پیش‌بینی بیماری قلبی بسیار بااهمیت و در بسیاری از مواقع و موقعیت‌ها نجات‌بخش زندگی انسان‌ها است. در این مقاله، روشی برای پیش‌بینی بیماری های قلبی با استفاده از تکنیک‌های یادگیری عمیق ارایه شده است. در روش پیشنهادی، ابتدا داده های ورودی به سیستم، مورد پردازش اولیه قرار می گیرند. سپس برای اینکه محاسبات دقیق‌تر شوند و زمان محاسبات نیز کاهش یابد اقدام به استخراج و انتخاب ویژگی‌های ورودی با شبکه باور عمیق نموده ایم تا ویژگی هایی که اضافی هستند و در محاسبات مورد نیاز نیستند حذف شوند و تنها ویژ‌گی‌هایی از داده‌های ورودی استخراج شوند که در انجام محاسبات موثر هستند. سپس با استفاده از شبکه عصبی lstm، اقدام به آموزش سیستم نموده و بدین‌صورت سیستم، الگوی پیش‌بینی بیماری قلبی را برحسب ویژ گی های استخراج‌شده، یاد می‌گیرد و مدل نیز تشکیل می شود که این مدل در واقع اساس پیش‌بینی خواهد بود. نهایتا با استفاده از این مدل، پیش‌بینی بیماری قلبی برحسب داده‌های ورودی، انجام شده است. برای ارزیابی روش پیشنهادی نیز از مجموعه داده های uci بهره گرفته شد. نتایج تجربی نشان داد که روش پیشنهادی در مقایسه با روش‌های پایه عملکرد مناسب‌تری برحسب میزان دقت، بازخوانی و همچنین معیار f دارد.