احمد فلاح نژاد - دانشجوی کارشناسی ارشد نرم افزارکامپیوتر
علی جانعلی زاده - دانشجوی کارشناسی ارشد نرم افزار
فریبا رسولی - دانشگاه پیام نوربناب

استفاده از شبکه های عصبی مصنوعی درعرصه های مختلف علوم مهندسی به منظور انجام تحلیل برروی سریه های زمانی و مسائل مختلف طبقه بندی روزبه روز درحال افزایش است دراین میان بخش قابل توجهی از تحقیقات درزمینه هیا مهندسی پزشکی متمرکز شده است دراین مقاله سعی شده است با پیاده سازی ساختارهای مختلف شبکه های عصبی مصنوعی چون پرسپترون چندلایه MLP تابع پایه شعاعی RBF و ماشین بردار پشتیبان SVM عملیات تشخیص وجود یا عدم وجود بیماری قلبی با دردسترس بودن اطلاعات آزمایش اخذ شده از بیمار صورت پذیرد نتایج شبیه سازی نشان میدهد که با بهیهنه سازی های صورت گرفته درساختارشبکه ها خطای تشخیص می تواند به کمتر از 8 درصد برسد که عملکرد مناسبی بعنوان یک تشخیص اولیه است درانتها نیز نرم افزاری برای کاربر غیرمتخصص طراحی شده که براحتی با اعمال داده های ازمیاش می تواند وجود یا عدم وجود بیماری را گزارش نماید.

بیماری قلبی - شبکه عصبی مصنوعی ،پرسپترون چندلایه - تابع پایه شعاعی ، بردار ماشین تکیه گاه