شاهرخ اسدی - دکتری مهندسی صنایع، استادیار دانشکده مهندسی، پردیس فارابی، دانشگاه تهران
حمیدرضا حیدری - کارشناسی ارشد مهندسی صنایع، دانشکده مهندسی، پردیس فارابی، دانشگاه تهران

کاربرد داده کاوی در سلامت شامل بررسی مراکز درمانی به منظور جلوگیری از خطاهای رایج در بیمارستان ها، تشخیص زود هنگام، پیش بینی وقوع بیماری، جلوگیری از بیماری ها و مرگ و میرهای موجود در بیمارستان ها می باشد. امروزه توجه محققان به تشخیص زود هنگام بیماری هایی نظیر دیابت، سرطان و نارسائی های قلبی می باشد، به این دلیل که این گونه از بیماری ها در صورت تشخیص به موقع و زود هنگام از تحمیل زمان و هزینه اضافی به سیستم درمانی و بیمار جلوگیری می کند و همچنین شانس بهبودی برای بیمار را به طرز چشم گیری افزایش می دهد. بیماری قلبی عروقی یکی از این بیماری ها است. در این تحقیق با ارائه مدلی سعی در تشخیص زود هنگام بیماری قلبی با دقت بالای طبقه بندی جهت کمک به تشخیص بیماری در مراحل اولیه انجام شده، مدل پیشنهادی که یکی از مدل های یادگیری جمعی با نام ترکیب خبرگان است، از رویکرد جدیدی برای طبقه بندی استفاده می کند. در روش پیشنهادی از شبکه های عصبی عمیق به عنوان طبقه بند پایه استفاده شده است. نتایج حاصل از پیاده سازی روش پیشنهادی بر روی یک مجموعه داده واقعی نشان می دهد که مدل پیشنهادی نسبت به سایر الگوریتم ها، عملکرد بهتری را نشان می دهد.

داده کاوی، یادگیری جمعی، شبکه های عصبی عمیق، ترکیب خبرگان