Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

16.11.2019 | Methodologies and Application | Ausgabe 13/2020

Soft Computing 13/2020

Model uncertainty quantification for diagnosis of each main coronary artery stenosis

Zeitschrift:
Soft Computing > Ausgabe 13/2020
Autoren:
Roohallah Alizadehsani, Mohamad Roshanzamir, Moloud Abdar, Adham Beykikhoshk, Mohammad Hossein Zangooei, Abbas Khosravi, Saeid Nahavandi, Ru San Tan, U. Rajendra Acharya
Wichtige Hinweise
Communicated by V. Loia.

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

One of the main causes of death in the world is coronary artery disease (CAD). CAD occurs when there is stenosis in one or more of the three major coronary arteries: right coronary artery (RCA), left circumflex (LCX) artery, and left anterior descending (LAD) artery. The gold standard or CAD diagnosis is angiography, but it is invasive, costly, and time consuming. Therefore, researchers continually seek new machine learning methods that can screen for CAD non-invasively. For reliable and cost-effective CAD diagnosis, several algorithms have been developed. Most prior studies analyzed the presence or absence of CAD in a dichotomous manner. Herein, we studied the more complex problem of classification of stenosis in individual LAD, LCX, and RCA by applying machine learning algorithms on the Z-Alizadeh Sani dataset that comprised 303 subjects, each with 54 features. In addition, our new methodology is developed to handle model uncertainty in the prediction of individual artery stenosis. It uses the hyperplane distance from a sample and accuracy rate of the classifier during the training phase to enhance its performance. Our results demonstrate high diagnostic performance of the proposed method for diagnosis of stenosis in individual RCA, LCX, and LAD, achieving accuracy rates of 82.67%, 83.67% and 86.43%, respectively. This is the best performance of ML techniques applied to the Z-Alizadeh Sani dataset.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 13/2020

Soft Computing 13/2020 Zur Ausgabe

Premium Partner

    Bildnachweise