tsta

Home / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

پیش بینی ریسک بیماری های قلبی- عروقی با استفاده از تکنیک یادگیری گروهی stacking

Authors :

مهسان یقطینی¹ حسین اقبالی² محمدعلی اقبالی³

1- دانشگاه ایوانکی 2- دانشگاه ایوانکی 3- دانشگاه صنعتی بیرجند

Keywords :

استکینگ،الگوریتم ژنتیک،بیماری های قلبی و عروقی،یادگیری گروهی،یادگیری ماشین

Abstract :

بیماری‌های قلبی‌عروقی یکی از مهم‌ترین علل مرگ‌ومیر در سراسر جهان هستند و پیش‌بینی دقیق آن‌ها نقش اساسی در پیشگیری و مدیریت درمان دارد. در این پژوهش، یک چارچوب مبتنی بر یادگیری گروهی به‌منظور پیش‌بینی بیماری‌های قلبی‌عروقی ارائه شده است. داده‌های مورد استفاده شامل ویژگی‌های پزشکی و سبک زندگی بیماران بوده که پس از پیش‌پردازش، به‌عنوان ورودی مدل‌ها به‌کار گرفته شدند. در مرحله نخست، چهار مدل پایه شامل K – نزدیک ترین همسایه، درخت تصمیم، رگرسیون لجستیک و XGBoost با استفاده از Optuna برای بهینه‌سازی هایپر پارامترها آموزش داده شدند. سپس با بهره‌گیری از الگوریتم ژنتیک، بهترین ترکیب از ویژگی‌ها برای کاهش بعد انتخاب گردید که در این مرحله از روش Out-of-Fold برای افزایش دقت استفاده شد. در ادامه، احتمال‌های پیش‌بینی‌شده به‌عنوان ورودی به مدل Stacking با متا مدل رگرسیون لجستیک ارائه شدند. برای تفسیر نتایج و تحلیل اهمیت ویژگی‌ها از روش SHAP استفاده شد. همچنین به‌منظور ارزیابی معناداری آماری عملکرد مدل‌ها، آزمون‌های فریدمن و ویلکاکسون به کار گرفته شدند. نتایج نشان داد که چارچوب پیشنهادی مبتنی بر استکینگ، عملکرد بهتری نسبت به مدل‌های پایه داشته و می‌تواند به‌عنوان رویکردی کارآمد برای کمک به تصمیم‌گیری در حوزه سلامت مورد استفاده قرار گیرد.