التنبؤ بأمراض القلب بإستخدام التعلم العميق

Abstract

تعتبر أمراض القلب من أخطر الأمراض شيوعًا، حيث يُعتبر التنبؤ بأمراض القلب من أكثر الأمور تعقيدًا وصعوبة كما أنها مكلفة، وذلك بسبب كثرة التحليلات والمؤشرات التي يصعب تحليلها وتقييمها، بما في ذلك العمر الجنس، مستوى الكولسترول، مستوى السكر ، معدل ضربات القلب ، ... ألخ. وبالتالي تواجه الأنظمة الصحية تحديات كبيرة في تشخيص هذه الأمراض بالطرق التقليدية. مؤخرًا، أثبتت تقنيات الذكاء الإصطناعي، تحديدًا طرق التعلم الآلي وطرق التعلم العميق بصفة خاصة، دورها الكبير في تحسين جودة الطب، خصوصًا التنبؤ بالأمراض المختلفة مثل أمراض القلب والسكري وأورام الدماغ ومرض الزهايمر وغيرها. في هذه الدراسة قمنا بتطوير نموذج تعلم عميق DNN لتحليل مؤشرات البيانات الصحية من أجل التنبؤ بمرض القلب، حيث قمنا بتدريب النموذج على مجموعة بيانات كبيرة من أجل تقديم نتائج دقيقة. بالإضافة إلى ذلك تحققنا من أداء النموذج المقترح مقارنة بطرق التعلم الآلي الأكثر إستخداما في الدراسات الحديثة، فأظهرت التجارب المكثفة فعالية النموذج حيث حقق تحسنًا كبيرًا مقارنة بالأساليب السابقة.

Lesmaladiescardiaquessontconsidéréescommel'unedesmaladiesles plus courantes et les plus dangereuses. La prévision des maladies cardiaques est considérée comme l'une des questions les plus complexes, les plus difficiles et les plus coûteuses, en raison du grand nombre d'analyses et d'indicateurs difficiles à analyser et à évaluer, notamment l'âge, le sexe, le taux de cholestérol, le taux de sucre, la fréquence cardiaque, etc. Les systèmes de santé sont donc confrontés à de grands défis pour diagnostiquer ces maladies à l’aide de méthodes traditionnelles. Récemment, les techniques d'intelligence artificielle, en particulier lesméthodesd'apprentissageautomatiqueetlesméthodesd'apprentissage profond, ont prouvé leur rôle majeur dans l'amélioration de la qualité de la médecine, notamment dans la prévision de diverses maladies telles que les maladies cardiaques, le diabète, les tumeurs cérébrales, la maladie d'Alzheimer, etc. Dans cette étude, nous avons développé un modèle d'apprentissage profond (DNN) pour analyser les indicateurs de données de santé afin de prédire les maladies cardiaques. Nous avons formé le modèle sur un grand ensemble de données afin de fournir des résultats précis. De plus, nous avons vérifié les performances du modèle proposé par rapport aux méthodes d'apprentissage automatique les plus utilisées dans les études récentes. Des expériences approfondies ont montré l’efficacité du modèle, car il a permis d’obtenir une amélioration significative par rapport aux méthodes précédentes.