مرضیه خدامی - دانشجوی کارشناسی ارشد نرم افزار، موسسه آموزش عالی غیردولتی غیرانتفاعی چهل ستون، اصفهان
بیژن شوشتریان - استادیار، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان

کشف دانش و داده کاوی به دنبال یافتن الگوها و ی مدل های موجود در پایگاه داده است که در میان حجم عظیمی از داده های مخفی هستند. اعمال روش های داده کاوی بر داده های پزشکی می تواند به عنوان سیستم های تصمیم یار، در تصمیم گیری برای انتخاب نوع درمان و یا تشخیص بیماری ها، به متخصصان کمک نماید.یکی از زمینه هایی که می توان از این دانش به نحو موثری بهره گرفت، داده های روانپزشکی است. مشکل عمده ای که در رابطه با بیماران اعصاب و روان وجود دارد عدمتشخیص به موقع و یا به طورکلی ضعف در تشخیص این بیماری ها و تعیین نحوه درمان بهینه آنها است در این مقاله برآن هستیم تا به کشف عوامل موثر در بروز انواع اعصابو روان و تعیین نحوه درمان آنها بپردازیم. این مطالعه بر روی 650 پرونده بیماران اعصاب و روان در دو بیمارستان فارابی و خورشید شهر اصفهان از فروردین ماه 94 تا مردادماه 96 انجام شد با اعمال الگوریتم خوشه بندی و کشف قوانین وابستگی بر روی مجموعه داده ها به نتایج مفید و جالبی دست یافتیم. انجام این تحقیق علاوه بر اینکه منجر به شناخت بهتر ویژگی های بیماران اعصاب و روان می شود می تواند زمینه ای برای انجام تحقیقات آتی باشد. از آنجایی که با تشخیص زود هنگام انواع اختلالات به مقدار قابل توجهی در هزینه و مدت اقامت بیماران در بیمارستان می گذارد کاسته خواهد شد می توان در مطالعات آیند با استفاده از نتایج این تحقیق سیستمی را جهت اجرای این مدل پیاده سازی نمود.

داده کاوی، خوشه بندی، کشف قوانین وابستگی، تشخیص انواع اعصاب و روان