دانشگاه علوم پزشکی بقیه ­الله (عج) طب نظامی 1735-1537 25 5 2023 11 22 Using Support Vector Machine Algorithm to Predict Coronary Heart Disease in Active Middle-aged Women استفاده از الگوریتم ماشین بردار پشتیبان برای پیش بینی بیماری عروق کرونر قلب در زنان میانسال فعال 2016 2023 1001233 10.30491/jmm.2023.1006432.1025 FA لیلا فصیحی گروه تربیت بدنی و علوم ورزشی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران معرفت سیاه کوهیان گروه تربیت بدنی و علوم ورزشی، دانشکده علوم تربیتی و روان‌شناسی، دانشگاه محقق اردبیلی، اردبیل، ایران بهمن ابراهیمی ترکمانی گروه تربیت بدنی و علوم ورزشی، دانشکده علوم تربیتی و روان‌شناسی، دانشگاه محقق اردبیلی، اردبیل، ایران Journal Article 2023 05 18 <strong>Background and Aim: </strong>Coronary artery disease is the most common form of cardiovascular disease, and it frequently causes myocardial infarction. It causes billions of dollars in property damage and millions of deaths worldwide every year. The standard method for diagnosing cardiovascular disease is angiography, which is invasive and dangerous. A machine learning system has been widely used as a fast, cost-effective, and non-invasive approach to the diagnosis of cardiovascular disease. Therefore, the purpose of this research was to use a support vector machine algorithm to predict coronary heart disease in active middle-aged women.<br /><strong>Methods:</strong> In this study, the medical records of 372 middle-aged women with coronary artery disease who were hospitalized in two selected hospitals during 2015-2016 were used. A support vector machine algorithm was used to diagnose coronary artery disease. MATLAB software was used for data analysis at a significance level of 0.05.<br /><strong>Results:</strong> The results showed that by using medical records containing 14 common features, related to anthropometric information, diagnostic tests, angiography results, and physical activity, the support vector machine algorithm can detect vascular diseases with 70% accuracy and 76% precision.<br /><strong>Conclusion: </strong>The use of a machine learning approach provides the ability to predict the presence of coronary artery disease with high accuracy and sensitivity. Therefore, it allows doctors to provide timely preventive treatment in patients with coronary artery disease. <strong>زمینه و هدف:</strong> بیماری عروق کرونر شایع­ترین شکل بیماری قلبی عروقی است و اغلب باعث انفارکتوس میوکارد می­شود. سالانه میلیاردها دلار خسارت مالی و میلیون­ها مرگ در سراسر جهان به بار می ­آورد. روش استاندارد برای تشخیص بیماری­های قلبی عروقی آنژیوگرافی است که تهاجمی و خطرناک است. سیستم یادگیری ماشین به طور گسترده­ای به عنوان یک رویکرد سریع، مقرون به صرفه و غیر تهاجمی برای تشخیص بیماری­های قلبی عروقی استفاده شده است. بنابراین، هدف از این تحقیق استفاده از الگوریتم ماشین بردار پشتیبان برای پیش‌بینی بیماری عروق کرونر قلب در زنان میانسال فعال بود.<br /><strong>روش‌ها:</strong> در این مطالعه، از سوابق پزشکی 372 زن میانسال مبتلا به بیماری عروق کرونر که در دو بیمارستان منتخب طی سال‌های 1400-1395 بستری شده بودند استفاده شد. از الگوریتم ماشین بردار پشتیبان<strong> </strong>برای تشخیص بیماری عروق کرونر استفاده شد. برای تجزیه و تحلیل داده­ ها از نرم افزار MATLAB در سطح معنی ­داری 0/05 استفاده شد.<br /><strong>یافته‌ها: </strong>یافته‌ها نشان داد که با استفاده از سوابق پزشکی حاوی 14 ویژگی مشترک، مربوط به اطلاعات آنتروپومتری، تست‌های تشخیصی، نتیجه آنژیوگرافی و فعالیت بدنی، الگوریتم ماشین بردار پشتیبان<strong> </strong>می‌تواند با دقت 70 درصد و صحت 76 درصد بیماری عروق کرونر را پیش­بینی کند.<br /><strong>نتیجه‌گیری:</strong> استفاده از رویکرد یادگیری ماشین توانایی پیش ­بینی حضور بیماری عروق کرونر را با دقت و حساسیت بالا فراهم می‎کند. بنابراین به پزشکان اجازه می‎دهد تا درمان پیشگیرانه به موقع را در بیماران مبتلا به بیماری عروق کرونر انجام دهند. https://militarymedj.bmsu.ac.ir/article_1001233_e364f826ecc03cf710b3aa83ac6fb662.pdf