فواد قاسمی - دانشجوی کارشناسی ارشد مهندسی نرم افزار، گروه کامپیوتر، دانشگاه شهید اشرفی اصفهانی، اصفهان
ناصر نعمت بخش - استادیار، گروه مهندسی کامپیوتر، دانشگاه شهید اشرفی اصفهانی، اصفهان
بهزاد سلیمانی نیسیانی - مدرس مدعو، گروه مهندسی کامپیوتر، دانشگاه شهید اشرفی اصفهانی، اصفهان

بیماریهای قلبی عروقی امروزه بسیار معمول است و یکی از دلایل اصلی مرگ و میر است. در میان انواع مختلف این بیماریها، تشخیص درست و به موقع بیماری عروق کرونر (CAD) بسیار مهم است. بهترین و دقیق ترین روش تشخیص بیماری عروق کرونر در حال حاضر آنژیوگرافی است که دارای عوارض جانبی زیاد و پر هزینه است. بنابراین محققان به دنبال روشهای ارزان و با دقت بالا برای تشخیص این بیماری هستند. مطالعات موجود از ویژگیهای جمع آوری شده از بیماران و الگوریتم های مختلف داده کاوی برای افزایش دقت استفاده کردهاند. در این پایاننامه یک مجموعه داده، شامل چندین ویژگی مهم و موثر جدید برای تشخیص بیماری عروق کرونر به همراه تعدادی از ویژگی های مهم مورد استفاده در مطالعات قبلی جمع آوری شد. مجموعه داده موجود در این پایان نامه، از 303 مراجعه کننده به صورت تصادفی به بیمارستان شهید رجایی تهران که مشکوک به داشتن بیماری عروق کرونر بودند جمع آوری شد. در میان نمونه ها، 87 نمونه سالم و 216 نمونه بیمار بودند. چندین روش داده کاوی روی مجموعه داده اجرا شد و توسط معیارهای مختلفی کارایی الگوریتم ها مورد ارزیابی قرار گرفت و پس از روش ارایه شده در این مطالعه در نهایت دقت %99,67 در تشخیص بیماری عروق کرونر به دست آمد که بالاترین دقت به دست آمده در مطالعات انجام شده تاکنون می باشد. با توجه به مدلهای استفاده شده مشخص شد که 3 ویژگی از 58 ویژگی تاثیر بسزایی در جهت تشخیص بیماری عروق کرونر و جداکنندگی CAD از Normal دارند.

بیماری عروق کرونر، داده کاوی، تکنیک های داده کاوی، ویژگی های موثر، متدولوژی CRISP-DM