فهرست نشریات علمی دسترسی آزاد ایران

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.