Classifying Patients with Myocardial Infarction and Heart Failure by Using SVM and KNN Learning Techniques
| العنوان بلغة أخرى: |
تصنيف مرضى النوبة القلبية وعجز القلب باستخدام تقنيات Support Vector Machine "SVM" وK-Nearest Neighbor Learning "KNN" |
|---|---|
| المصدر: | مجلة الإدارة والاقتصاد |
| الناشر: | الجامعة المستنصرية - كلية الإدارة والاقتصاد |
| المؤلف الرئيسي: | خليل، بديعة رحمن (مؤلف) |
| مؤلفين آخرين: | حيدر، سوزان صابر (م. مشارك) , حسين، محمد محمود فقي (م. مشارك) |
| المجلد/العدد: | ع126 |
| محكمة: | نعم |
| الدولة: |
العراق |
| التاريخ الميلادي: |
2020
|
| الشهر: | كانون الأول |
| الصفحات: | 315 - 327 |
| DOI: |
10.31272/JAE.43.2020.126.24 |
| ISSN: |
1813-6729 |
| رقم MD: | 1150169 |
| نوع المحتوى: | بحوث ومقالات |
| اللغة: | الإنجليزية |
| قواعد المعلومات: | EcoLink |
| مواضيع: | |
| كلمات المؤلف المفتاحية: |
Cardiovascular Diseases (CVD | Classification | Datasets | Support Vector Machine | K-Nearest Neighbor | Myocardial Infarction | Heart Failure
|
| رابط المحتوى: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
| LEADER | 04881nam a2200277 4500 | ||
|---|---|---|---|
| 001 | 1893287 | ||
| 024 | |3 10.31272/JAE.43.2020.126.24 | ||
| 041 | |a eng | ||
| 044 | |b العراق | ||
| 100 | |9 616560 |a خليل، بديعة رحمن |e مؤلف | ||
| 245 | |a Classifying Patients with Myocardial Infarction and Heart Failure by Using SVM and KNN Learning Techniques | ||
| 246 | |a تصنيف مرضى النوبة القلبية وعجز القلب باستخدام تقنيات Support Vector Machine "SVM" وK-Nearest Neighbor Learning "KNN" | ||
| 260 | |b الجامعة المستنصرية - كلية الإدارة والاقتصاد |c 2020 |g كانون الأول | ||
| 300 | |a 315 - 327 | ||
| 336 | |a بحوث ومقالات |b Article | ||
| 520 | |b Cardiovascular diseases (CVD) are considered to be the leading cause of death globally and millions of people from all around the world die annually due to the different types of heart diseases. There are multiple major and minor risk factors that together contribute to developing heart disease. These risk factors include age, sex, tobacco, physical inactivity, genetics etc. Therefore, it’s hard to predict heart disease in patients using conventional methods. On the other hand, however, with the help of technology, it has now become easier to achieve this goal. The process begins by evaluating datasets containing patient’s risk factors. Then, the evaluated datasets would be analyzed using one of the many machine-learning techniques. Finally, the analyzed data would be used as a base for classifying and predicting heart disease in new patients. In this paper, we used two of the most advanced machine learning techniques Support Vector Machine (SVM) technique as well as K-Nearest Neighbor (KNN) to analyze the data that we obtained from 210 patients in Sulaimani Cardiac Hospital between (October 16th, 2019 to January 9th, 2020). In conclusion, we obtained that the SVM yields more accurate results (82.6%) compared to the KNN method (73.0%). | ||
| 520 | |a تعتبر أمراض القلب والأوعية الدموية في صدارة أسباب الوفيات في جميع أنحاء العالم، ويموت الملايين من الأشخاص في جميع أنحاء العالم سنويا بسبب أنواع مختلفة من أمراض القلب. هناك العديد من عوامل الخطرة الرئيسية والثانوية التي تساهم معا في الإصابة بأمراض القلب فمثلا العمر والجنس والتدخين وقلة النشاط البدني وعلم الوراثة وغيرها. لذلك من الصعب التنبؤ بأمراض القلب لدى المرضى باستخدام الطرق التقليدية. لكن من ناحية أخرى، وباستخدام التكنولوجيات الحديثة، أصبح الآن من السهل تحقيق هذا الهدف، وذلك بتقييم مجموعة من البيانات التي تحتوي على عوامل الخطر لدى المريض. بعد ذلك، ومن ثم تحليل تلك البيانات التي سبق تقييمها باستخدام إحدى تقنيات التعلم الآلي. وأخيرا، سيتم استخدام البيانات التي تم تحليلها كأساس ولتصنيف أمراض القلب والتنبؤ بها للمرضى. وفي هذا البحث، استخدمنا طريقتين من أكثر تقنيات التعلم الآلي تقدما وهما تقنية Support Vector Machine (SVM) بالإضافة إلى K-Nearest Neighbour (KNN) لتحليل البيانات التي تم الحصول عليها من مركز الأمراض القلبية في مستشفى السليمانية لـ 210 مريض للفترة (من 16 أكتوبر 2019 إلى 9 يناير 2020). وقد أظهرت النتائج التي حصلنا عليها بأن تقنية SVM تعطي نتائج أكثر دقة بنسبة (82.6%) مقارنة بطريقة KNN والتي تكون دقة نتائجها بنسبة (73.0%). | ||
| 653 | |a الأمراض القلبية |a التعلم الآلي |a تحليل البيانات |a مستشفى السليمانية |a العراق | ||
| 692 | |b Cardiovascular Diseases (CVD |b Classification |b Datasets |b Support Vector Machine |b K-Nearest Neighbor |b Myocardial Infarction |b Heart Failure | ||
| 700 | |a حيدر، سوزان صابر |g Haider, Sozan Saber |e م. مشارك |9 574246 | ||
| 773 | |4 الاقتصاد |4 الإدارة |6 Economics |6 Management |c 024 |e Journal of Administration and Economics |f Maǧallaẗ al-idāraẗ wa-al-iqtiṣād |l 126 |m ع126 |o 1148 |s مجلة الإدارة والاقتصاد |v 000 |x 1813-6729 | ||
| 700 | |a حسين، محمد محمود فقي |g Hussein, Mohammed Mahmoud Faqi |e م. مشارك |9 213177 | ||
| 856 | |u 1148-000-126-024.pdf | ||
| 930 | |d n |p y |q n | ||
| 995 | |a EcoLink | ||
| 999 | |c 1150169 |d 1150169 | ||
عناصر مشابهة
-
Immunological Changes in Acute Myocardial Infarction
بواسطة: الاحمد، رندة سعيد منشور: (2000) -
Biochemical and Genetic Comparative Studies for Ischemic Stroke and Myocardial Infarction Patients
بواسطة: جابر، أسماء حمزة رديف منشور: (2014) -
Prediction of Myocardial Infarction by Data Mining among Chronic Diseases Patients: UNRWA Clinics in Gaza Strip as a Case Study
بواسطة: الكحلوت، أحمد حسن محمود منشور: (2020) -
Heart Disease Prediction Model Using Naïve Bayes Algorithm and Machine Learning Techniques
بواسطة: يوسف، ماريا محمد فوزي منشور: (2020) -
Assessment of Myocardial Infarction Risk among Patients in Nablus District
بواسطة: عبيديه، مأمون عبدالرحيم طاهر منشور: (2006)
