تأثير الأمراض المصاحبة المتعددة على تشوهات القطعة ST في إشارات تخطيط كهربية القلب (ECG) باستخدام التعلم الآلي
DOI:
https://doi.org/10.36325/ghjec.v22i2.21032.الكلمات المفتاحية:
ST، اختبار مربع كاي، AdaBoost، GB، CatBoost، XGBoost، LightGBMالملخص
في هذا العمل، تم إجراء تحليل مقارن دقيق لخمسة نماذج تعلم آلي لاختيار أيهما أفضل من نوع "التجميع (Ensemble Models) وهي ( , AdaBoost ,GB ,CatBoost ,XGBoost LightGB) باستخدام أربعة أنماط لتقسيم البيانات (من 70-30 إلى 85-15 لتقسيم التدريب-الاختبار) لتعظيم التقييم السريري للمخاطر. اخذ العينة ( 1000) مريض يعانون من تشوهات في قطعة STمأخوذة من مستشفى شار في مدينة السليمانية. تضمنت البيانات )العمر، الجنس، التدخين، ارتفاع ضغط الدم، أمراض القلب المزمنة ، السكري، اختلال الدهون وقصور الغدة الدرقية.( كشف التحليل الإحصائي الأولي باستخدام اختبار مربع كاي (Chi-square) عن وجود علاقات قوية بين بعض المتغيرات. بعد ذلك، تم تدريب النماذج الخمسة واختبارها تحت أنظمة تقسيم مختلفة، مع قياس الأداء باستخدام الدقة (accuracy)، ودرجة F1، والاستدعاء (recall)، والدقة التنبؤية (Precision) .باستخدام الحاسوب (Python programming) النتائج: أظهر اختبار مربع كاي ارتباطًا كبيرًا بين تغيرات قطعة ST وكل من: العمر، ارتفاع ضغط الدم، أمراض القلب المزمنة، واختلال الدهون. كان أفضل خوارزمية أداءً AdaBoost حيث حقق أعلى درجة F1 (0.8839) واستدعاء مثالي (1.000) عند تقسيم )75-25 (، العمر كان العامل الأكثر تأثيرا.
التنزيلات
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2026 سارا نورى محمد، نوزاد محمد احمد
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
التي تسمح للمستخدمين بنسخ وانشاء مقتطفات وملخصات وبالتالي انشاء اعمال علمية جديدة من المقالة او التعديل عليها والاستفادة من المادة العلمية شريطة ان يشير المستخدم الى رابط المقال الأصلي
