به کارگیری تکنیک های کارامد داده کاوی به منظور پیش بینی و تشخیص هوشمند بیماری های قلبی- عروقی

میزان بالای ابتلا به بیماری قلبی و عروقی و تعداد بالای مرگ و میر ناشی از بیماری قلبی در سراسر جهان یکی از نگرانی ها در صنعت بهداشت و درمان است و جهت کنترل این بیماری درصدد پیدا کردن راه هایی جهت کاهش ابتلا و یا مرگ و میر هستند. با توجه به اینکه امروزه در صنعت مراقبت های بهداشتی، تجزیه و تحلیل داده ها می تواند موجب بهبود تشخیص زودهنگام بیماری شود و جان انسان ها را نجات دهد با پیشرفت عظیم در علوم کامپیوتر، ابزارهای مختلف هوش مصنوعی برای محققان برای انجام مطالعات و آزمایشات در دسترس قرار گرفته است. در همین راستا در این مقاله برای پیش بینی و هشدار در مورد هرگونه بیماری عروق کرونر از تکنیک هایی کارامد داده کاوی شامل تئوری بیزین، درخت تصمیم، کا نزدیک ترین همسایه، ماشین بردار پشتیبان و جنگل تصادفی استفاده و کارایی این الگوریتم ها مقایسه شده است. مجموعه داده استفاده شده در این مقاله، مجموعه داده کلیولند با ۱۳ ویژگی، یک متغیر هدف و ۳۰۳ کیس است که در آن ۱۳۹ مورد از بیماران قلبی عروقی و ۱۶۴ فرد سالم هستند. با پیاده سازی تکنیک های یاد شده بر روی این مجموعه داده مشخص شد تکنیک ماشین بردار پشتیبان با دقت ۳۳/۸۵ بالاترین دقت را نسبت به سایر تکنیک ها دارد.

کلیدواژه ها:

داده کاوی ، بیماری قلبی ، تئوری بیزین ، درخت تصمیم ، ماشین بردار پشتیبان ، کا نزدیک ترین همسایه ، جنگل تصادفی