پيش بيني عارضه هاي قلبي در رايانش مه و الگوريتم بهينه سازي محاسبات رياضي

چكيده :

امروزه تعداد زيادي از مرگ و ميرها ناشي از بيماري‌هاي قلبي و سكته قلبي است. تشخيص به موقع بيماري‌هاي قلبي و پيش بيني وقوع سكته قلبي مي¬تواند آمار مرگ و مير ناشي از اين بيماري را كاهش دهد. اينترنت اشياء پزشكي در چند سال اخير ارايه شده است و به كمك اينترنت اشياء و فناوري¬هاي تحليل داده¬ها مي¬تواند جان افراد را نجات دهد. يك روش كار آمد براي پيش بيني وقوع سكته قلبي آن است كه يك روش يادگيري ماشين يا يادگيري عميق براي پيش بيني در لايه مه استقرار شود. براي كاهش دادن خطاي پيش بيني در لايه مه و كاهش تاخير محاسبات مي¬توان از انتخاب ويژگي استفاده نمود. در روش پيشنهادي يك سيستم پيش بيني بيماري قلبي در لايه مه با يادگيري عميق ارايه مي¬شود. در روش پيشنهادي در ابتدا داده¬ها توسط روش SMOTE در لايه مه متعادلسازي مي¬شوند و سپس با الگوريتم انتخاب ويژگي AOA ويژگي¬هاي مهم داده¬هاي بيماران قلبي انتخاب مي¬شود. داده¬هاي انتخاب شده سپس به عنوان ورودي LSTM در نظر گرفته مي¬شود تا يك مدل پيش بيني براي تشخيص بيماري قلبي ارايه گردد. روش پيشنهادي در مجموعه داده UCI پياده¬سازي و تحليل شده است. آزمايشات نشان داد كه اگر متعادلسازي و انتخاب ويژگي همزمان اجراء شود آنگاه دقت، حساسيت و صحت روش پيشنهادي به ترتيب برابر 98.64%، 98.57% و 98.32% است. آزمايشات نشان مي¬دهد روش پيشنهادي از الگوريتمهاي GWO، WOA، HHO و JSO در فاز انتخاب ويژگي موفق¬تر است. روش پيشنهادي در تشخيص و پيش بيني بيماري قلبي از روش‌هاي يادگيري عميق نظير LSTM، DNN و CNN دقت بيشتري دارد.