인공신경망(ANN) 및 적응형 신경-모호 추론 시스템(ANFIS) 접근 방식을 기반으로 한 자동 심장 질환 진단 시스템

이 논문은 MATLAB을 사용하여 자동 심장 질환 진단 시스템을 설계하고 구현하는 것을 목표로 합니다. 심장 질환에 대한 클리블랜드 데이터 세트가 개발한 시스템의 훈련 및 테스트에 주요 데이터베이스로 사용되었습니다. 클리블랜드 데이터 세트를 훈련하고 테스트하기 위해 두 가지 시스템이 개발되었습니다. 첫 번째 시스템은 인공신경망(ANN)의 다층 퍼셉트론(MLP) 구조를 기반으로 하고, 두 번째 시스템은 적응형 신경-모호 추론 시스템(ANFIS) 접근 방식을 기반으로 합니다. 각 시스템은 훈련 및 테스트라는 두 개의 주요 모듈을 가지며, 각각 80%와 20%의 클리블랜드 데이터 세트가 훈련 및 테스트 목적으로 무작위로 선택되었습니다. 각 시스템에는 경우 기반 모듈로 알려진 추가 모듈이 있으며, 사용자는 클리블랜드 데이터 세트에 명시된 13개의 필수 속성에 대한 값을 입력해야 하며, 이를 통해 해당 환자에게 심장 질환이 있는지 여부를 테스트할 수 있습니다. 게다가, ANN 기반 시스템과 신경-모호 기반 시스템에서 중요한 매개변수의 다양한 값의 효과를 조사하여 최고의 성능을 얻는 최적의 매개변수를 선택했습니다. 실험 결과, 신경-모호 시스템이 훈련 데이터 세트를 사용하여 ANN 시스템보다 우수한 성능을 보였으며, 각 시스템의 정확도는 각각 100%와 90.74%였습니다. 그러나 테스트 데이터 세트를 사용할 때는 ANN 시스템이 신경-모호 시스템보다 우수한 성능을 보였으며, 각 시스템의 최고 정확도는 각각 87.04%와 75.93%였습니다.