مهدی بردبار - کارشناس ارشد کامپیوتر

تکنیک های داده کاوی در زمینه پزشکی رشد روزافزونی داشتهاست. استخراج قواعد طبقه بندی نوعی داده کاوی است که دردانشی به شکل چندین قانون ساده و فهم پذیر از داده کشف شده ودر آینده برای تصمیم گیری و پیشگویی به کار برده می شود. شایعترین بیماری هایی که امروزه مطرح است بیماری های عروق کرو نر،نارسایی قلبی، سکنه قلبی، ریتمی قلبی و کاردیومیوپاتی می باشند،رشد چشم گیر این بیماری ها و اثرات و عوارض ها و هزینه هاییکه برجامعه وارد می کند باعث شده است که جامعه پزشکی به دنبالبرنامه هایی جهت بررسی بیشتر پیشگیری، شناسایی زود هنگام ودرمان موثر باشند. هدف این مقاله پیش بینی با خطای کمتر اینبیماری ها در داده های بیمارستان ها با استفاده از ویژگی ها وارتباطات بین ویژگی های مرتبط با بیماری از طریق ترکیب تکنیکهای مختلف داده کاوی می باشد. داده ها مورد استفاده در این مقالهبا استفاده از متغیرهای شناخته شده در پایگاه تشخیص بیماری قلبیموجود در مرکز UCI از بیمارستانهای سطح کشور جمع آوری شدهاست که شامل اطلاعات 994 بیمار می باشد این اطلاعات در قالبفایل اکسل با 18 ویژگی جمع آوری شده که فیلد آخر نظر پزشکمعالج مبنی بر حمله قلبی یا عدم حمله قلبی است. در این مقالهمدل بدست آمده مبتنی بر درخت تصمیم علاوه بر توانایی بالا درتشخیص افراد بیمار و همچنین کارآمدترین الگوریتم در تحلیل دادههای عظیم که دارای بیشترین دقت در تشخیص این بیماری می باشد.

بیماری قلبی، داده های عظیم،درخت تصمیم، داده کاو ی، ماتریس اغشاش