راحیل موسوی - PhD. Student in Industrial Engineering, Faculty of Technical and Engineering, Research and Science University, Tehran, Iran
محمدمهدی سپهری - Tarbiat Modares university

مقدمه: بیماریهای قلبی- عروقی در حال تبدیلشدن به اصلیترین عامل مرگ ومیر و ناتوانی بشر در اغلب کشورهای دنیا هستند. هدف از انجام این پژوهش، پیشبینی انواع بیماریهای قلبی جهت تشخیص دقیقتر به وسیله تکنیکهای داده‎کاوی و شبکه عصبی میباشد. روش: این پژوهش به صورت کاربردی-پیمایشی انجام و پس از پیشپردازش دادهها از سه رویکرد شبکه عصبی، درخت تصمیمگیری و الگوریتم ساده بیزی برای پیشبینی و تشخیص در نرم افزار Rapid miner و از مدل شبکه عصبی مصنوعی برای پیشبینی در نرمافزار Matlab استفاده شد. نتایج: از الگوریتم ژنتیک برای انتخاب متغیرهای موثر و برای پیشبینی انواع بیماری قلبی، در دادهکاوی از مدلهای شبکه عصبی مصنوعی، درخت تصمیمگیری و الگوریتم ساده بیزی استفاده شد. همچنین از مدل AHP برای تعیین مدل با بهترین عملکرد پیشبینی انواع بیماریهای قلبی استفاده شد. نتیجه ­گیری: شبکه عصبی عملکرد بسیار بهتری نسبت به مدلهای دادهکاوی دیگر ارائه شده در تشخیص انواع بیماریهای قلبی در این پژوهش دارد. همچنین در تشخیص بیماری به وسیله شبکه عصبی مصنوعی، مدل با دقت بالای ۸۰ درصد، خوب و مورد قبول واقع شد.

Data mining, Neural network, Decision tree, Heart disease, Diagnosis, داده کاوی, شبکه عصبی, درخت تصمیم, بیماری قلبی, تشخیص