Research Scholar, Department of Computer Science, PSG College of Arts & Science, Coimbatore - 641014, Tamil Nadu, India
Associate Professor, Department of Computer Science, PSG College of Arts & Science, Coimbatore - 641014, Tamil Nadu, India
Associate Professor, Department of Biochemistry, PSG College of Arts & Science, Coimbatore - 641014, Tamil Nadu, India
Introducción: La insuficiencia cardíaca (IC) es una afección complicada y un importante problema de salud pública. El procesamiento de datos ahora es necesario para las técnicas de aprendizaje estadístico y automático, mientras ayuda a identificar características clave y elimina características sin importancia, redundantes o ruidosas, minimizando así las dimensiones del espacio de características. Una causa común de mortalidad en casos de enfermedad cardíaca es la miocardiopatía dilatada (MCD).
Métodos: La selección de características en este trabajo depende del Algoritmo de optimización de entropía pelícano (EPOA). Se trata de una recreación del comportamiento cazador típico de los pelícanos. Esto es comparable a ciertas características que conducen a mejores enfoques para resolver conjuntos de datos de alta dimensión. Luego se introdujo el clasificador Deep Autoencoder (DAE) para la predicción de pacientes. El clasificador DAE se emplea para calcular la función no lineal del sistema a través de datos del estado normal y de falla.
Resultados: Se descubrió que DAE no solo aumenta considerablemente la precisión, sino que también es beneficioso cuando hay una cantidad limitada de datos etiquetados. Para el análisis de resultados se han utilizado métricas de rendimiento como recuperación, precisión, exactitud, medida f y tasa de error.
Conclusión: Se recopiló un conjunto de datos de referencia disponibles públicamente del repositorio Gene Expression Omnibus (GEO) para evaluar y contrastar la idoneidad del clasificador sugerido con otros métodos existentes.
Este artículo se distribuye bajo la licencia Creative Commons Attribution 4.0 License. A menos que se indique lo contrario, el material publicado asociado se distribuye bajo la misma licencia.
The statements, opinions and data contained in the journal are solely those of the individual authors and contributors and not of the publisher and the editor(s). We stay neutral with regard to jurisdictional claims in published maps and institutional affiliations.