Diagnosis of cardiovascular (CVD) disease using high performance machine learning system

Orta yaşlı insanlarda en yaygın hastalıklardan biri kalp yetmezliğidir. Kardiyovasküler hastalık (CAD), çeşitli kalp hastalıklarının mortalite riski yüksek olan yaygın bir koroner hastalıktır. Anjiyografi gibi tıbbi görüntüleme, CAD tanısı için en etkili tekniktir. Öte yandan anjiyografi, pahalı olması ve çeşitli yan etkilere neden olmasıyla ünlüdür. Çalışmalarımızın ilk bölümünde, tıp sektöründeki en sofistike ve etkili sistemlerden birini, özellikle kardiyak tanıyı bu tezde ele alacağız. İki bölüme ayrılan bu gelişmiş metodoloji, en iyi programlama yöntemi python yardımıyla geliştirilmiştir. Başlamak için, yüksek performanslı bir yeniden örnekleme sistemi ve mahalle temizleme kuralı (NCL) ile mühendislik ve ön işleme özelliği kullanılır. İkinci olarak, hiper parametre optimizasyonu, API gelişmiş özellikleri ve süper öğrenci modelleri gelişmiş ve optimizasyon makine öğrenimi modellerine örnektir. Yüksek performanslı bir tanı modeli oluşturmak için aerodinamik SVM kullandık. Çalışmamızın ikinci bölümünde AutoML, gelişmiş XGBoost ve gelişmiş topluluk torbalama modelleri gibi yüksek performanslı makine öğrenimi için gelişmiş mimariler inşa ettik. %87 doğruluk oranına sahip Auto-ML ve gelişmiş SMOTE yöntemini kullanarak en iyi performansı elde ettik, gelişmiş derin öğrenme %80 doğruluk oranına sahipti ve gelişmiş torbalama modelleri 82 percent.in ilave isabet oranına sahipti, XGBoost ve %92 kullanılmış istifleme modeli ile %86'ya ulaştık. Son olarak, ilerlemelerimizin doktorların gelişmiş ve yüksek performanslı makine öğrenimi araçlarını kullanarak makine öğrenimine bakış açısını değiştirebileceğini ve klinik ortamlarda Yapay Zeka (AI) tekniklerinin daha geniş kullanımını teşvik edebileceğini varsayıyoruz. Anahtar Kelimeler: CVD hastalığı, NCL, Gelişmiş makine öğrenimi modelleri, Optimizasyon, Gelişmiş API işlevi, Süper öğrenci, Gelişmiş Torbalama modelleri, Gelişmiş XGBoost, AutoML, Python