ناهید منسوبی - دانشجویی مقطع ارشد رشته کامپیوتر گرایش نرم افزار دانشگاه غیرانتفاعی سبحان نیشابور
محمد کمالی مقدم - استادیار دانشگاه فناوری های نوین سبزوار

زمینه و هدف: در طول تاریخ، بیماری ها بزرگترین تهدید برای بشر به شمار رفته اند. در انن میان، بیماری های قلبی عروقی از شایع ترین بیماری ها در تمامی جوامع بوده است. از آن جا که پیش بینی صحیح وضعیتبیمار از اهمیت زیادی برخوردار است، به همین علت تشخیص درست و به موقع بسیار مهم است. اما روش های تشخیصی و درمانی این بیماری عوارض جانبی زیاد و پرهزینه ای دارد. بنابراین محققان به دنبال روش های ارزان و با دقت بالا برای تشخیص این بیماری هستند. بنابراین پژوهش حاتر با هدف شناسایی الگویی برای تشخیص روش درمان بیماری قلبی صورت گرفته است . روش بررسی: در این تحقیق، یک مدل با استفاده از شورای نتایج دسته بندی شبکه های عصبی پرسپترون تک لایه و چند لایه استفاده شده است. داده های مورد استفاده در این مطالعه مربوط به اطلاعات بالینی 270 بیمار از کلینیک کیولند (سایت UCI ) می باشد. به منظور پیاده سازی شبکه از امکانات و توابع موجود در نرم افزار MATLAB نسخه 7.12.0 بهره گرفته شده است. یافته ها: بر اساس نتایج بدست آمده، مشاهده می شود که دقت مدل پیشنهادی برابر 42 / 86 % بوده که بهبود قابل ملاحظه ای را نسبت به روش های اخیر نشان داده است. بحث و نتیجه گیری: استفاده از روش شورای دسته بندی، سبب افزایش در دقت تشخیص سکته قبلی می گردد. این روش به علت اختصاصیت و حساسیت بالا می توانند از عوارض و آسیب های احتمالی آنژیوگرافی در بیمارانی که نیازی به استفاده از آن ندارند، جلوگیری نماید. همچنین می تواند بیمارانی را که واقعا به این اقدامات تشخیصی نیاز دارند در سریع ترین زمان و بیشترین دقت مشخص نماید.

شبکه عصبی، شورای دسته بندی، سکته قلبی، داده کاوی