التنبؤ بأمراض القلب باستخدام تعلم الآلة وتقنيات تصنيف البيانات المختلفة

أمراض القلب هي أحد الأسباب الرئيسية للوفيات في جميع أنحاء العالم، حيث تلعب الاكتشاف المبكر دورًا حاسمًا في تقليل معدلات الوفاة. لا يزال التنبؤ الدقيق بأمراض القلب تحديًا بسبب البيانات الطبية المعقدة وعدم القدرة على توفير مراقبة مستمرة. باستخدام مجموعة بيانات أمراض القلب، تم استخدام تقنيات اختيار الميزات المختلفة، بما في ذلك إحصاء F لـ ANOVA (ANOVA FS)، واختبار كاي تربيع (Chi2 FS)، والمعلومات المتبادلة (MI FS) لتحديد المتنبئين المهمين. تم تطبيق تقنية الزيادة الاصطناعية للأقليات (SMOTE) للتعامل مع عدم توازن البيانات وتعزيز أداء النموذج. تم اتباع نهج تصنيف شامل باستخدام نماذج تعلم الآلة المتنوعة وطرق التجميع. من بين هذه النماذج، حقق المصنف المكدس الذي يجمع بين أشجار القرار المخفضة، والأشجار الإضافية، وLightGBM نتائج متفوقة، حيث حقق دقة بنسبة 100% عبر جميع تقنيات اختيار الميزات. تسلط هذه الأداء العالي الضوء على فعالية تعلم التجميع المتقدم في تحقيق تنبؤات موثوقة بأمراض القلب، مما يؤكد على إمكانية دمج اختيار ميزات قوي مع نماذج تصنيف معقدة لتحليل البيانات الطبية بدقة. يظهر هذا النهج القدرة على دعم التشخيص المبكر وتحسين نتائج المرضى.