Resumen

La enfermedad cardíaca es una de las enfermedades humanas más críticas en el mundo y afecta muy gravemente la vida humana. En la enfermedad cardíaca, el corazón no puede bombear la cantidad requerida de sangre a otras partes del cuerpo. El diagnóstico preciso y oportuno de la enfermedad cardíaca es importante para la prevención y tratamiento de la insuficiencia cardíaca. El diagnóstico de la enfermedad cardíaca a través de la historia médica tradicional se ha considerado como no confiable en muchos aspectos. Para clasificar a las personas sanas y a las personas con enfermedad cardíaca, métodos basados en técnicas no invasivas como el aprendizaje automático son confiables y eficientes. En el estudio propuesto, desarrollamos un sistema de diagnóstico basado en aprendizaje automático para la predicción de enfermedades cardíacas utilizando un conjunto de datos de enfermedades cardíacas. Utilizamos siete algoritmos populares de aprendizaje automático, tres algoritmos de selección de características, el método de validación cruzada y siete métricas de evaluación del rendimiento de clasificadores como la precisión de clasificación, la especificidad, la sensibilidad, el coeficiente de correlación de Matthews y el tiempo de ejecución. El sistema propuesto puede identificar y clasificar fácilmente a las personas con enfermedad cardíaca de las personas sanas. Además, se calcularon curvas optimistas del receptor y área bajo las curvas para cada clasificador. Hemos discutido todos los clasificadores, algoritmos de selección de características, métodos de preprocesamiento, método de validación y métricas de evaluación del rendimiento de clasificadores utilizados en este documento. El rendimiento del sistema propuesto se ha validado en características completas y en un conjunto reducido de características. La reducción de características tiene un impacto en el rendimiento de los clasificadores en términos de precisión y tiempo de ejecución de los clasificadores. El sistema de apoyo a la toma de decisiones basado en aprendizaje automático propuesto ayudará a los médicos a diagnosticar eficientemente a los pacientes cardíacos.

• Materias:Lector de pantalla Interfaz de usuario Localización en interiores Realidad virtual móvil Redes móviles
• Subjects:Screen reader User interface Indoor localization Mobile virtual reality Mobile networks
• Palabras claves:Cardiopatía; Diagnóstico; Aprendizaje automático; Clasificación; Selección de características; Evaluación del rendimiento
• Keywords:Heart disease; Diagnosis; Machine learning; Classification; Feature selection; Performance evaluation