تشخیص بیماری عروق کرونر قلبی با استفاده از روشی مبتنی بر درخت تصمیم و بیزساده

بیماری های قلبی یکی از شایع ترین علل مرگ ومیر در سراسر جهان است. از این رو محققین بدنبال یافتن راهکارهایی جهت تشخیص و پیش بینی سریع و ارزان این بیماری هستند. این پژوهش با هدف شناسایی متغیرهای تاثیر گذارتر، کاهش ابعاد و ارائه سیستم هوشمند به کمک داده کاوی جهت پیش بینی بیماران قلبی صورت گرفته است. این مقاله از روش توصیفی- تحلیلی است. داده های بکار رفته شامل ۲۷۰ نفر از مخزن یادگیری UCI است. جهت پیش بینی بیماران قلبی از درخت تصمیم در فاز پیش پردازش داده ها برای شناسایی متغیرهای مستقل با بهره اطلاعاتی بیشتر برای کاهش ابعاد و بهبود کارایی طبقه بندی کننده بیزساده در مواجه با متغیرهای غیر مستقل استفاده گردیده است. برای مدل سازی از نرم افزار Rapid Miner نسخه ۹ و جهت آزمونهای آماری و پیش پردازش داده ها از نرم افزار SPSS Statistics نسخه ۲۵ بر روی سیستمی با مشخصات ویندوز ۱۰ و مدل HP ۱۵ Notebook PC, ۴ Core(S) استفاده گردیده است. در این مقاله از روش ترکیبی درخت تصمیم و بیزساده استفاده گردید که نتایج حاصل شده با دقت ۸۷.۱۶% و صحت ۸۶.۴۲ % است. روش پیشنهادی علاوه بر کاهش ابعاد، باعث بهبود عملکرد طبقه بندی کننده بیزساده و افزایش سرعت تشخیص و بهبود بیماران میشود. با مقایسه پارامترهای مختلف، روش پیشنهادی علاوه بر استفاده از متغیرهای کمتر و کاهش ابعاد، دقت و صحت بالاتری نسبت به سایر روشهای پیشین دارد.