سامانه همایش ها

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

مدل‌سازی پیش‌بینی سکته مغزی با الگوریتم‌های تقویتی و شبکه‌های عصبی در داده‌های نامتعادل

نویسندگان :

ملیحه نیک سیرت¹ سیده فاطمه جوادی²

1- دانشگاه صنعتی بیرجند 2- دانشگاه صنعتی بیرجند

کلمات کلیدی :

پیش‌بینی،سکته مغزی،داده‌های نامتعادل،الگوریتم‌های تقویتی،شبکه‌های عصبی

چکیده :

سکته مغزی به‌عنوان سومین عامل اصلی مرگ‌ومیر در سطح جهانی، یک وضعیت بالینی جدی محسوب می‌شود که در اثر اختلال در خون‌رسانی به مغز ایجاد شده و می‌تواند منجر به بروز آسیب‌های شدید، ناتوانی دائمی یا مرگ شود. تشخیص دقیق و به‌موقع این بیماری برای مداخله درمانی در مراحل اولیه و کاهش نرخ مرگ‌ومیر، از اهمیت حیاتی برخوردار است. در این مطالعه، یک رویکرد یادگیری ماشین برای بهبود دقت تشخیص سکته مغزی در شرایط داده‌های نامتعادل پیشنهاد شده است. به طور ویژه این پژوهش به مقایسه پنج روش پیشرفته یادگیری ماشین برای پیش‌بینی سکته مغزی بر اساس ویژگی‌های بالینی و جمعیت‌شناختی می‌پردازد. روش‌های مورد بررسی شامل XGBoost، LightGBM، CatBoost، شبکه‌های عصبی عمیق (DNN) و ماشین بردار پشتیبان (SVM) هستند. نتایج نشان می‌دهد که روش‌های مبتنی بر بوستینگ به ویژه XGBoost و CatBoost عملکرد بهتری در این مسئله طبقه‌بندی نامتوازن دارند.