التنبؤ بمرض القلب باستخدام خوارزمية الدعم الآلي (SVM)

Abstract

التنبؤ بحدوث مرض القلب في الم ا ركز الطبية مهم لتحديد ما إذا كان الشخص يعاني من مرض القلب أم لا. يستخدم التنقيب عن البيانات لاسترداد المعلومات المخفية في الم ا ركز الطبية التي تساعد على التنبؤ بأم ا رض مختلفة. مرض القلب من الام ا رض الخطيرة والاكثر شيوعا هذه الايام حيث يصاب ملايين الاشخاص بهذا المرض حول العالم كل عام . اذا تم اكتشاف المرض في م ا رحله المبكره يمكن علاجه وانقاذ الارواح من الموت وحدوث المضاعفات الخطيرة. لذلك تتمثل مشكلة البحث في صعوبة تشخيص مرض القلب في م ا رحله المبكرة بالإضافة إلى ألاخطاء في التشخيص.ومنهجية البحث هي جمع البيانات واختبار البيانات وتطبيق تقنيات التعلم الالي. لقد حصلت علي دقة ) accuracyaccuracy accuracy accuracy ) واستدعاء) recall recall recallrecall ( و ضبط ) precisionprecision precision precision precisionprecision ( مميز ومتساوي وجميعها تساوي 92 % و معدل خطاء ضئيل للغاية 0.07 % وهذه النتيجة اعلي دقة ومميزة عن الذين استخدموا نفس الخوارزمية ) SVM ( في الد ا رسات السابقة و ايضا استخدمت نواة (Radial basis function kernel ) RBF)(Radial basis function kernel ) (RBF)(Radial basis function kernel ) (RBF)(Radial basis function kernel ) (RBF)(Radial basis function kernel ) (RBF)(Radial basis function kernel ) (RBF)(Radial basis function kernel ) (RBF)(Radial basis function kernel ) (RBF)(Radial basis function kernel ) (RBF) (Radial basis function kernel ) RBF) (Radial basis function kernel ) RBF) (Radial basis function kernel ) RBF) (Radial basis function kernel ) RBF) (Radial basis function kernel ) RBF)(Radial basis function kernel ) (RBF)(Radial basis function kernel ) (RBF)(Radial basis function kernel ) (RBF)(Radial basis function kernel ) (RBF)(Radial basis function kernel ) (RBF)(Radial basis function kernel ) (RBF) والتي اعطت نتائج افضل من النواة ) linear kernellinear kernellinear kernellinear kernellinear kernel linear kernellinear kernellinear kernel linear kernellinear kernel (. لقد قمت في هذا البحث باستخدام خوارزمية SVM التي حققت دقة عالية تبلغ 92 ٪. لقد صممت نموذجًا بناءً على ذلك ، هذه إضافتي في هذا الحقل.