تشخیص بیماری قلبی به کمک درختهای تصمیم گیری و ارزیابی آن با ماتریس اغتشاش

تکنیکهای دادهکاوی در زمینه پزشکی رشد روز افزونی داشته است. داده کاوی نه تنها موجب استفاده بهینه از انبوه داده های ذخیره شده توسط سیستمهای کلینیک شده، بلکه موجب کشف دانش موجود در میان این داده ها نیز شده است. شایعترین بیماری که امروزه در کشور و در جهان مطرح است بیماری قلبی و عروقی میباشد، رشد چشم گیر این بیماریها و اثرات و عوارض آنها و هزینه هایی که برجامعه وارد میکند باعث شده است که جامعه پزشکی به دنبال برنامه هایی جهت بررسی بیشتر پیشگیری، شناسایی زود هنگام و درمان موثر آن باشند. هدف این تحقیق پیشبینی با خطای کمتر بیماری قلبی با استفاده از ویژگیها و ارتباطات بین ویژگیهای مرتبط با بیماری از طریق ترکیب تکنیکهای مختلف داده کاوی میباشد همچنین تعیین مهمترین فاکتورهای موثر در ایجاد بیماری قلبی با استفاده از تکنیکهای داده کاوی هدف بعدی ما میباشد. داده ها مورد استفاده در این تحقیق با استفاده از متغیرهای شناخته شده در پایگاه تشخیص بیماری قلبی موجود در مرکز UCI از بیمارستانهای سطح شهر شیراز جمع آوری شده است که شامل اطلاعات 994 بیمار میباشد این اطلاعات در قالب فایل اکسل با 18 ویژگی جمع آوری شده که فیلد آخر نظر پزشک معالع مبنی بر حمله قلبی یا عدم حمله قلبی است. در این مطالعه مدل بدست آمده مبتنی بر درخت C5/0 علاوه بر توانایی بالا در تشخیص افراد بیمار دارای بیشترین دقت (%98.99) در تشخیص این بیماری می باشد.

Keywords:

داده کاوی , تشخیص بیماری قلبی , شبکه عصبی , درخت تصمیم گیری