تشخیص بیماری عروق کرونر قلبی با استفاده از درخت تصمیم C۴.۵
Publish place: Journal of Health & Biomedical Informatics، Vol: 3، Issue: 4
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 16
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHBMI-3-4_005
تاریخ نمایه سازی: 9 مرداد 1403
Abstract:
مقدمه: یکی از شایع ترین بیماری ها و علل مرگ و میر در دنیای امروز بیماری های قلبی است. استفاده از تکنیک های داده کاوی برای ایجاد مدل های پیشگویی کننده، جهت شناسایی افراد در معرض خطر برای کاهش عوارض ناشی از بیماری بسیار کمک کننده است. در این پژوهش با استفاده از درخت تصمیم C۴.۵ به روش های پیشگیری و تشخیص این بیماری پرداخته می شود.
روش: این پژوهش از نوع کاربردی و توصیفی میباشد. در این پژوهش از داده های استاندارد UCI و مجموعه داده Cleveland استفاده نمودیم. این پایگاه داده شامل ۲۹۷ رکورد میباشد. تجزیه و تحلیل به کمک نرم افزار Weka با بهکارگیری متدولوژی CRISP۳ انجام شده است. در بخش مدل سازی درخت تصمیم C۴.۵ با بهکارگیری متغیرهای ورودی و تعیین متغیر هدف ایجاد شد.
نتایج: با توجه به مدل استفاده شده مشخص شد که به ترتیب متغیرهای سطح بالای کلسترول، جنسیت، سن بالا، بالا بودن ماکزیمم ضربان قلب، اسکن تالیوم بالاتر از ۳ و نوار قلب غیرنرمال بیشترین تاثیر را در ابتلا به بیماری عروق کرونر قلبی دارا هستند. همچنین به کمک درخت تصمیم ایجاد شده، قوانینی استخراج شده است که می تواند به عنوان الگویی در جهت پیشگویی احتمال ابتلا افراد به بیماری عروق کرونر قلبی استفاده شود. صحت مدل ایجاد شده با استفاده از درخت تصمیم بیش از ۸۰ درصد بوده است.
نتیجه گیری: با توجه به محاسبات انجام شده، نرخ دسته بندی برابر با ۷۲/۶% و دقت الگوریتم C۴.۵ برابر با ۸۰/۲% بهدست آمد که در مقایسه با نتایج مطالعات انجام شده در حوزه داده کاوی بیماری قلبی، دقت به دست آمده الگوریتم پیشنهادی قابل قبول است.
Keywords:
Data mining , Coronary artery disease , C۴.۵ Decision tree. , داده کاوی , بیماری عروق کرونر قلبی , درخت تصمیم C۴.۵
Authors
حامد صباغ گل
M.Sc in Computer Engineering, Faculty of Computer, Department of Computer Engineering, Payame Noor University (PNU), Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :