RT - Journal Article T1 - Diagnosis of Heart Disease Using Binary Grasshopper Optimization Algorithm and K-Nearest Neighbors JF - jha YR - 2020 JO - jha VO - 23 IS - 3 UR - http://jha.iums.ac.ir/article-1-3297-fa.html SP - 42 EP - 54 K1 - Heart Disease Detection K1 - Binary grasshopper optimization Algorithm K1 - K-Nearest Neighbor K1 - Classification AB - مقدمه: قلب یکی از ارگان‌های اصلی بدن انسان است و سالم نبودن آن عامل مهمی در مرگ‌ومیر انسان‌ها است. بیماری قلبی ممکن است بدون علامت باشد اما می‌توان از طریق آزمایش‌های پزشکی این نوع بیماری را پیش‌بینی و تشخیص داد. تشخیص بیماری قلبی به تجربیات زیاد پزشکان متخصص نیاز دارد. هدف مطالعه حاضر، تشخیص بیماری قلبی به‌منظور کمک به پزشکان برمبنای ترکیب الگوریتم بهینه‌سازی ملخ دودویی و k نزدیک‌ترین همسایه است. از الگوریتم بهینه‌سازی ملخ دودویی برای انتخاب ویژگی‌ها و از الگوریتم K نزدیک‌ترین همسایه برای طبقه‌بندی استفاده‌شده است. روش­ ها: این مطالعه از نوع توصیفی- تحلیلی بود.. در این مطالعه، پرونده پزشکی 270 بیمار در حوزه بیماری قلبی با تعداد 13 ویژگی بررسی شد. تعداد بیماران مبتلا برابر با 120 و فقدان بیماری برابر با 150 بود، لذا مجموعه داده در حالت متوازن است. اطلاعات بیماران از پایگاه داده استاندارد UCI استخراج شد. ارزیابی مدل پیشنهادی در شبیه‌سازی MATLAB انجام‌شد. یافته­ ها: با توجه به ارزیابی‌های انجام‌شده بر روی روش پیشنهادی، درصد صحت برابر با 8/89، درصد حساسیت برابر با 6/89 و درصد ویژگی برابر با 4/90 به دست آمد که در مقایسه با نتایج مطالعات انجام‌شده در حوزه بیماری قلبی، دقت به‌دست‌آمده روش پیشنهادی، قابل‌قبول است. همچنین، درصد صحت روش پیشنهادی برمبنای هفت ویژگی (Age, Sex, Chest Pain, BP, Electrocardiographic, Angina, Thallium) برابر با 3/90 درصد به‌دست‌آمد. نتیجه‌گیری: با توجه به نتایج حاصل از این مطالعه، برای تشخیص بیماری قلبی، روش پیشنهادی در تشخیص بیماری و انتخاب ویژگی‌های مهم نسبت به روش‌های قبلی بهتر عمل کرده است. LA eng UL http://jha.iums.ac.ir/article-1-3297-fa.html M3 10.29252/jha.23.3.42 ER -