اﺭاﻳﻪ ﻳﻚ ﺭﻭﺵ بهبود يافته در ﺗﺸﺨﻴﺺ زود هنگام آنفاركتوس ميوكارد قلبي در پايگاه داده هاي بيمارستانها ﺑﻪ ﻛﻤﻚ داده كاوي و درخت تصميم

تكنيك هاي داده كاوي در زمينه پزشكي رشد روز افزوني داشته است. داده كاوي نه تنها موجب استفاده بهينه از انبوه داده هاي ذخيره شده توسط سيستم هاي كلينيك شده، بلكه موجب كشف دانش موجود در ميان اين داده هاي عظيم نيز شده است. شايع ترين بيماري كه امروزه در كشور و در جهان مطرح است بيماري قلبي و عروقي مي باشد، رشد چشم گير اين بيماري ها و اثرات و عوارض آنها و هزينه هايي كه برجامعه وارد مي كند باعث شده است كه جامعه پزشكي به دنبال برنامه هايي جهت بررسي بيشتر پيشگيري، شناسايي زود هنگام و درمان موثر آن باشند. هدف اين مقاله پيش بيني با خطاي كمتر بيماري قلبي در داده هاي عظيم با استفاده از ويژگي ها و ارتباطات بين ويژگي هاي مرتبط با بيماري از طريق تركيب تكنيك هاي مختلف داده كاوي مي باشد همچنين تعيين مهمترين فاكتورهاي موثر در ايجاد بيماري قلبي با استفاده از تكنيك هاي داده كاوي هدف بعدي ما مي باشد. داده ها مورد استفاده در اين مقاله با استفاده از متغيرهاي شناخته شده در پايگاه تشخيص بيماري قلبي موجود در مركز UCI از بيمارستانهاي سطح كشور جمع آوري شده است كه شامل اطلاعات 994 بيمار مي باشد اين اطلاعات در قالب فايل اكسل با 18 ويژگي جمع آوري شده كه فيلد آخر نظر پزشك معالج مبني بر حمله قلبي يا عدم حمله قلبي است. در اين مقاله مدل بدست آمده مبتني بر ﺩﺭﺧﺖ ﺗﺼﻤﻴﻢ0/5 C وC RTree علاوه بر توانايي بالا در تشخيص افراد بيمار و همچنين كارآمد ترين الگوريتم در تحليل داده هاي عظيم بيمارستاني كه داراي بيشترين دقت (98.99%) در تشخيص اين بيماري مي باشد.