زینب عرب اسدی - دانشگاه بجنورد- دانشکده فنی مهندسی و علوم پایه
علی اصغر یاری فرد - دانشگاه بجنورد- دانشکده فنی مهندسی و علوم پایه
حسین موسایی - دانشگاه بجنورد- دانشکده فنی مهندسی و علوم پایه

پیش بینی صحیح وضعیت بیماری افراد از اهمیت زیادی برخوردار است خطرات اجرای روش های تشخیص تهاجمی در بیماری عروق کرونری از جمله آنژیوگرافی قابل ملاحظه می باشد انتخاب روش مناسب برای مدل سازی و تحلیل داده ها بسیار حایز اهمیت می باشد لذا برای این پیش بینی بایستی از مدل هایی استفاده کرد که دارای کمترین میزان خطا باشد. در این پژوهش برای گزینش عوامل موثر بر بیماری عروق کرونری از یادگیری بیزین و با استفاده از شبکه عصبی به پیش بینی بیماری عروق کرونری پرداخته ایم. مجموعه داده مورد استفاده شامل 54 فاکتور از 303 نفر در بیمارستان شهید رجایی تهران تهیه شده است می باشد. نتایج بدست آمده نشان می دهد که مدل مبتنی بر شبکه عصبی، علاوه بر توانایی بالا در تشخیص افراد بیمار، تعداد قابل قبولی از افرادی که فاقد بیماری بودند را نیز شناسایی کرد .همچنین، بکارگیری گزینش متغیر در این پژوهش نتایج خوبی در زمینه کاهش پیچیدگی مدل به همراه داشته است.

بیماری عروق کرونری، شبکه عصبی، یادگیری بیزین