دانلود :تشخیص افتراقی سکته قلبی و آنژین قفسه صدری و دسته‌بندی خصیصه های بالینی با استفاده از الگوریتم ژنتیک و کلاسه‌بندهای درخت تصمیم و ماشین بردار پشتیبان

مقدمه

امروزه بر هیچ کس پوشیده نیست که قلب یک عضو حیاتی است که برای انجام عمل مهم گردش خون ، نیاز دارد که توسط عروق خون‌رسان به قلب که شریان‌های کرونری نامیده می‌شوند، خون‌رسانی شود. از این رو، هر گونه اختلال در کارکرد قلب می‌تواند عامل مشکلات خطرسازی در سیستم بدن باشد[1].

بیماری‌های قلبی که به بیماری‌های قلبی-عروقی نیز مشهور هستند، به عنوان یکی از عوامل مهم مرگ‌ومیر در جهان شناخته می‌شوند[2]. گزارش سازمان جهانی بهداشت در سال 2002 حاکی از این است که 2/29% از مجموع مرگ‌ومیر‌ها در جهان ناشی از بیماری‌های قلبی عروقی است[3]. همچنین طبق گزارش این سازمان در سال 2002، بیماری قلبی با 48% از مجموع 36 میلیون مرگ ناشی از بیماری غیر واگیر در سال در رتبه نخست قرار دارد[4]. حدود 38 درصد از موارد مرگ‌ومیر به دلیل بیماری‌های قلبی مربوط به ناهنجاری‌های عروق کرونری بوده است و این روند همچنان در حال افزایش است[5].

 بیماری‌های عروق کرونر یکی از رایج‌ترین دلایل مرگ در ایران نیز هست و هر ساله سهم بیشتری از مرگ‌ومیر حاصل از بیماری‌ها را در بر می‌گیرد[6-8].

بیماری‌های قلبی به طور کلی با احتساب حوادث ترافیکی به عنوان دومین عامل مرگ‌ومیر در ایران، 40 تا 50 درصد علت مرگ را به خود اختصاص داده است[9]. همچنین از بین بیماری‌های قلبی، سکته قلبی در ایران برای بیش از 35 سال اولین دلیل مرگ در بین بیماری‌های منجر به مرگ در مردم بوده است[10].

وجود عوامل خطرزای متعدد، در ایجاد بیماری‌های قلبی عروقی، آنالیز این بیماری‌ها و یافتن مهم‌ترین عوامل مؤثر را کاری پیچیده و دشوار ساخته است. از سوی دیگر، داده‌های موجود در مورد بیماران بسیار پیچیده و متنوع است؛ بنابراین پردازش و آنالیز این داده‌ها با روش‌های سنتی اغلب پیچیده، زمان‌بر و پرهزینه خواهد بود[11].

عموماً پزشکان از بیماران می­خواهند که تعدادی از آزمایش‌ها را انجام دهند اما در بسیاری از موارد همه آزمایش‌هایی که انجام می‌شود تأثیری در تشخیص بیماری ندارند[3]. به این ترتیب این مسائل اغلب سبب تأخیر در تشخیص یا حتی تشخیص نادرست خواهد شد. در نتیجه، مشخص کردن خصیصه‌های مهم تشخیصی و صرف‌نظر کردن از سایر خصیصه­های مزاحم در تشخیص، مفید و تسریع­کننده­ تشخیص به موقع توسط پزشک می‌شود و پزشکان را در اتخاذ تصمیمات درمانی کمک خواهد کرد.

تاکنون پژوهش‏هایی با استفاده از انواع مختلفی از روش‏های هوش مصنوعي در پیش‌بینی و تشخیص بیماری‌ها انجام شده است. رویکرد‏ یادگیری ماشین کمک می‌کند از میان پایگاه داده‏های بزرگ، دانش مورد نیاز سیستم‌های هوشمند استحصال شود[13]. با استفاده از رویکرد‏های یادگیری ماشین می‏توان سیستم‏هایی طراحی نمود که در پیش‏بینی و تشخیص زودهنگام، خصوصاً در 24 تا 48 ساعت اول تصمیم‌گیری، به پزشک و بیمار یاری رساند.

[1] Health informatics