ПРОГНОЗ РИЗИКУ СЕРЦЕВОГО НАПАДУ З ВИКОРИСТАННЯМ WEKA
DOI:
https://doi.org/10.34132/mspc2025.01.08.42Ключові слова:
машинне навчання, набір даних про хворобу серця, ризик серцевого нападу, очищення від шуму, ефективність діагностики.Анотація
Тези представляють рішення проблеми класифікації для покращення продуктивності використання штучних нейронних мереж та розробку функцій задля вдосконалення відомого набору даних для прогнозування серцевих нападів. Дослідження спрямоване на підвищення прогностичної потужності та зменшення обсягу набору даних за допомогою методів глибокого навчання для потреб клінічної діагностики. Підвищити точність прогнозування рівня ризику серцевого нападу можливе шляхом зменшення розміру набору необроблених даних. Це призводить до більш надійних, менш трудомістких і менш дорогих клінічних діагнозів. Оптимальне зменшення розмірності та шумів у наборі даних про хвороби серця та застосування алгоритмів класифікації з використанням штучних нейронних мереж є перспективними для підвищення його прогнозної здатності до клінічно прийнятного стандарту.
Посилання
Gupta, S.K., Shrivastava, A., Upadhyay, S.P., and Chaurasia, P.K. (2021). A Machine Learning Approach for Heart Attack Prediction. International Journal of Engineering and Advanced Technology.10,(6). https://doi.org/10.35940/ijeat.f3043.0810621
Janosi A., William S., Pfisterer M., and Detrano R., (1988). Heart Disease. UCI Machine Learning Repository. https://doi.org/10.24432/C52P4X
Ruqiya, Muhammad Tayyab Yaqoob, Abid Muhammad Khan, Aftab Ahmed Shaikh1, Noman Khan. Review on Cleveland Heart Disease Dataset using Machine Learning. Quaid-e-Awam Univ Res J Eng Sci Technol. 2023;21:87-98. http://dx.doi.org/10.52584/QRJ.2101.11
