اردلان قاسم زاده - دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی ارومیه
وحید سلوک - دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی ارومیه
پرویز رشیدی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی ارومیه

امروز در دانش پزشکی شاهد جمع آوری داده های فراوان در مورد بیماری های مختلف هستیم. مراکز پزشکی با مقاصد گوناگون به جمع آوری این داده ها می پردازند. تحقیق روی این داده ها و به دست آوردن نتایج و الگوهای مفید در رابطه با بیماری ها یکی از اهداف استفاده از این داده ها است. حجم زیاد این داده ها و سردرگمی حاصل از آن مشکلی است که مانع رسیدن به نتایج قابل توجهی می شود. در این پروژه از داده کاوی برای غلبه بر این مشکل را به دست آوردن روابط مفید بین داده های بیماری قلبی و عروقی استفاده کرده ایم. این بیماری ها با توجه به شیوع روزافزون و سهمی که در مرگ ومیر انسان ها دارند از اهمیت بالایی برخوردارند. استفاده از داده کاوی که دانش استخراج ضوابط و الگوهای مفید پنهان در حجم زیاد داده ها است در این امر مهم کمک بزرگی به ما کرده است و نتایج به دست آمده بر روی این داده ها واقعی و بومی شاید بتواند سهم کوچکی در پیشرفت این علم مشترک بین علوم کامپیوتر و علوم پزشکی داشته باشد. داده ها استفاده شده واقعی بود که پس از پیش پردازش و استخراج داده های مفید با استفاده از نرم افزار Spss Clementine120 براساس الگوریتم Apriori قواعد انجمنی استخراج گردیده است و مؤثر بودن آنها در تصمیم گیری و تشخیص بیماری های قلبی به تأیید متخصصین این بیماری ها رسیده است.

قواعد انجمنی، بیماری های قلبی، داده کاوی، الگوریتم Apriori و Confidence