WYKRYWANIE CHORÓB UK¿ADU KR¿¿ENIA PRZY U¿YCIU OPTYMALNY WYBÓR CECH

Choroby sercowo-naczyniowe (CVD) pozostaj- g-ówn- przyczyn- zgonów na cäym -wiecie, co podkre-la potrzeb- ich wczesnego wykrywania. Niniejsze badanie przedstawia oparte na uczeniu maszynowym ramy wykrywania CVD przy u-yciu sygnäów EKG, koncentruj-c si- na ulepszonej selekcji cech. System integruje filtr oparty na szybkiej korelacji (FCBF), minimaln- redundancj- maksymalnej istotno-ci (mRMR), odci--enie i optymalizacj- roju cz-stek (PSO) w celu zidentyfikowania najbardziej odpowiednich i nie zb-dnych cech. FCBF usuwa nadmiarowe dane, mRMR wybiera kluczowe istotne cechy, Relief szereguje cechy na podstawie ich mocy rozró-niania klas, a PSO optymalizuje ostateczny zestaw cech. Klasyfikacja jest przeprowadzana przy u-yciu klasyfikatorów Extra Trees i Random Forest, znanych z wysokiej dok-adno-ci i odporno-ci na nadmierne dopasowanie. Po--czony model osi-gn-- 100% wskänik dok-adno-ci w ró-nych zestawach danych, przewy-szaj-c istniej-ce metody i wykazuj-c doskonä- wydajno-- w wyborze cech i klasyfikacji. Ta struktura ma du-y potencjä, aby poprawi- wczesn- diagnoz- CVD i usprawni- podejmowanie decyzji klinicznych.

Dr Mary Swarna Latha Gade uzyskäa tytu- doktora w Koneru Lakshmaiah Education Foundation, Vijayawada w 2023 roku. Uzyskäa tytu- MTech z JNTU Hyderabad i B. Tech z JNTU Kakinada. Ma 15-letnie do-wiadczenie w nauczaniu i badaniach. Jej obszary zainteresowä to odporno-- na b--dy, przetwarzanie obrazu, uczenie maszynowe, obliczenia kwantowe.