حمیدرضا طهماسبی - Islamic Azad University
مهرداد جلالی - Ph.D. in Computer Engineering, Assistant Professor, Computer Engineering Dept., Islamic Azad University of Mashhad, Mashhad, Iran
حسن شاکری - دانشگاه آزاد

مقدمه: بیماری عروق کرونری، شایع ترین نوع بیماری قلبی و عامل اصلی مرگ و میر در کشورهای صنعتی می باشد. این پژوهش با هدف طراحی یک سیستم خبره ی با دقت بالا برای تشخیص بیماری عروق کرونری قلب انجام شد. روش:  این مطالعه از نوع کاربردی بوده و از ۱۴ ویژگی مربوط به ۳۰۳ نفر که تحت آنژیوگرافی کرونری قرار گرفتند استفاده شده است. برای تشخیص دقیق تر بیماری عروق کرونری، نتایج سه روش کلاسه بندی شبکه های عصبی، بیزین ساده و نزدیکترین k همسایه با استفاده از تئوری ترکیب شواهد دمستر - شافر ترکیب شده است. از نسخه ۷. ۳ نرم افزار داده کاوی  Weka و همچنین زبان برنامه نویسی C# در محیط .Net Framework برای پیاده سازی روش استفاده گردید. برای ارزیابی کارایی، روش ۱۰-Fold cross validation بکار برده شد. نتایج: نتایج نشان داد که میانگین دقت (Accuracy)، حساسیت (Sensitivity) و ویژگی (Specificity) در روش پیشنهادی به ترتیب ۹۰/۱ درصد، ۸۹/۰۹ درصد و ۹۱/۳ درصد می باشد که این مقادیر در مقایسه با هر یک از کلاسه بندهای شرکت کننده در ترکیب بیشتر بود و همچنین نسبت به تحقیقات مشابه، دقت بهتری در تشخیص افراد دارای بیماری عروق کرونری داشت. نتیجه گیری: تحلیل نتایج نشان می دهند که در جامعه آماری مورد مطالعه، روش پیشنهادی عملکرد بهتری در تشخیص بیماری عروق کرونری دارد و می تواند بعنوان یک سیستم خبره، توسط متخصصین بالینی درگیر با بیماری قلبی، با هدف کمک به تصمیم گیری های بالینی و کاهش خطاها، بهبود زمان انتظار در تشخیص بیماری و کاهش آزمایشات غیرضروری پزشکی استفاده گردد.

Coronary artery disease, Expert system, Medical diagnosis, Dempster-Shafer theory, Classification, بیماری عروق کرونری, سیستم خبره, تشخیص پزشکی, تئوری دمستر-شافر, کلاسه بندی