مهناز ذاکری - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات، تعالی قم، ایران
رضا احسن - گروه کامپیوتر، واحد قم، دانشگاه آزاد اسلامی، قم، ایران

امروزه با پیشرفت علم و تکنولوژی و ابزارهای فناوری، توانایی بازبینی و ذخیره داده های مهم با حجم وسیع فراهم گشته است و نیاز به علمی جهت جستجو در این داده ها و دریافت نتایج مفید لازم و ضروری شده است. داده کاوی، جستجوی خودکار منابع داده ای بزرگ، جهت یافتن الگوها و وابستگی هایی است که تحلیل های ساده آماری قادر به انجام آن نیستند. یکی از زمینه هایی که نیازمند استفاده از این ابزار ها جهت تحلیل داده های وسیع و مدل سازی پیشگویانه با روش های محاسباتی جدید است، علم پزشکی می باشد. رشد چشمگیر بیماری های قلبی و عروقی و اثرات و عوارض آنها و هزینه های بالایی که بر جامعه وارد می کند، باعث شده که جامعه پزشکی به دنبال برنامه هایی جهت بررسی بیشتر، پیشگیری، شناسایی زود هنگام و درمان موثر آن باشد. از این رو با استفاده از داده کاوی و کشف دانش در سیستم مراکز قلب و عروق می توان دانش ارزشمند را ایجاد کرد که این دانش کشف شده می تواند به وسیله پزشکان استفاده شود تا رفتار آینده بیماران قلبی و عروقی را از روی سابقه داده شده، پیش بینی کنند. بدین ترتیب تشخیص بیماری قلبی از روی ویژگی های گوناگون و نشانه ها، ارزیابی فاکتورهای ریسکی که باعث افزایش حمله قلبی می شود از مهمترین کاربردهای داده کاوی و کشف دانش درسیستم بیماران قلبی و عروقی می باشد .لذا پژوهش حاضر با هدف پیش بینی بیماری قلبی با استفاده از تکنیک های داده کاوی و الگوریتم هایی مانند درخت تصمیم، شبکه عصبی انجام گرفته است. پس از مطالعه منابع متعدد و ارزیابی انجام شده نشان داده شد، درخت تصمیم دارای دقت بیشتری در پیش بینی بیماری قلبی می باشد.

داده کاوی، دسته بندی، درخت تصمیم، شبکه عصبی، بیماری قلب و عروق