هاجر شفیعی - University of Qom
منصور ابراهیمی - Faculty of Basic Sciences, University of Qom, Qom

زمینه و هدف: بیماری قلبی - عروقی یکی از مهم ترین علل مرگ و میر در کشورهای پیشرفته و جهان سوم است. طبق اعلام سازمان بهداشت جهانی پیش بینی می شود مرگ و میر ناشی از بیماری های قلبی تا سال ۲۰۳۰ به ۲۳ میلیون نفر افزایش می یابد. در جدیدترین آمار وزیر بهداشت ایران، ۳/۳۹% کل مرگ و میرها ناشی از بیماری های قلبی - عروقی و ۵/۱۹% مربوط به سکته های قلبی گزارش شده است. این پژوهش با هدف پیش بینی بیماری عروق کرونر قلبی با استفاده از الگوریتم های داده کاوی انجام شد. روش بررسی: در این مطالعه از الگوریتم های مختلف بیوانفورماتیک از جمله درخت تصمیم، شبکه های عصبی، ماشین بردار پشتیبان، خوشه بندی و ...، برای پیش بینی بیماری عروق کرونر قلب استفاده شد. در این مطالعه داده ها از چندین پایگاه معتبر (شامل ۱۴ داده) گرفته شدند. یافته ها: در این تحقیق از تکنیک های داده کاوی، جهت تشخیص بیماری های مختلف از جمله بیماری عروق کرونری استفاده شد که موثر بود. همچنین برای اولین بار یک سیستم پیش بینی مبتنی بر ماشین بردار پشتیبان با بهترین دقت ممکن معرفی گردید. نتیجه گیری: نتایج نشان داد بین ویژگی ها؛ متغیر اسکن تالیوم به عنوان مهم ترین ویژگی در تشخیص بیماری های قلبی می باشد، و طراحی مدل های پیش بینی ماشینی از جمله الگوریتم یادگیری بردار پشتیبان ماشین با دقت ۱۰۰% می تواند بین افراد بیمار و سالم تمایز قائل شود.

Heart diseases, Coronary artery diseases, Computational biology, Support vector machine., بیماری های قلبی؛ بیماری های عروق کرونر؛ زیست شناسی محاسباتی؛ ماشین بردار پشتیبان.