مطهره کرمی - دانشجوی کارشناسی ارشد مهندسی صنایع گرایش بهینه سازی سیستمها، دانشکده مهندسی صنایع ،دانشگاه یزد
حسن خادمی زارع - استاد، گروه مهندسی صنایع ،بخش بهینهسازی سیستمها، دانشکده مهندسی صنایع و سیستم ،دانشگاه یزد
مهدی یزدیان دهکردی - استادیار، گروه هوشمصنوعی، دانشکده مهندسی کامپیوتر ،دانشگاه یزد

موضوع و هدف : بیماری عروق کرونر قلبی از شایعترین بیماریهای قلبی در سراسر دنیاست و در ده ههای اخیر به عنوان یکی از اصلی ترین علل مرگ و میر در سراسر جهان مطرح شدهاست. تشخیص درست و به موقع عوامل تاثیرگذار و ویژگیهای مهم این بیماری در روند درمان زودهنگام و جلوگیری از مرگ ناگهانی بسیار مهم است. مطالعه ی حاضر با هدف شناسایی، انتخاب ویژگیهای مهم بیماران مبتلا به منظور تشخیص سریع تر با استفاده از شبکه عصبی و الگوریتم ژنتیک است.روش تحقیق: در این مقاله با استفاده از مدل شبکه عصبی به کمک الگوریتم ژنتیک بدون اعمال محدودیت برروی تعداد ویژگیها به بررسی ویژگیهای موثر در داده های مربوط به ۵۲۹ پرونده مربوط به بیماران قلبی با ۵۲ ویژگی پرداختیم. خطای این روش را به صورت یک تابع هزینه برحسب ویژگی تعریف کردیم و تاثیر این ویژگیها در پیشبینی متغیر هدف را مورد بررسی قرار دادیم. نتایج و ارزیابی: ۹ ویژگی پرفشاری خون ، جنسیت، تعرق زیاد ، سن ، چربی پریشی ، چاقی ، امواج Q ،درد قفسه سینه و هیپوتروفی بطن چپ۳انتخاب شدند و دقت پیشبینی نیز مقدار ۹۶/۳۸ بدست آمد.

انتخاب ویژگی، انتخاب ویژگی بدون محدودیت ، الگوریتم ژنتیک ، بیماری عروق کرونر قلبی ، CAD