به‌كارگيري تكنيك‌هاي كارامد داده‌كاوي به‌منظور پيش‌بيني و تشخيص هوشمند بيماري‌هاي قلبي- عروقي

ميزان بالاي ابتلا به بيماري‌ قلبي و عروقي و تعداد بالاي مرگ و مير ناشي از بيماري قلبي در سراسر جهان يكي از نگراني‌‌ها در صنعت بهداشت و درمان است و جهت كنترل اين بيماري درصدد پيدا كردن راه‌هايي جهت كاهش ابتلا و يا مرگ و مير هستند. با توجه به اينكه امروزه در صنعت مراقبت‌هاي بهداشتي، تجزيه و تحليل داده‌ها مي‌تواند موجب بهبود تشخيص زودهنگام بيماري شود و جان انسان‌ها را نجات دهد با پيشرفت عظيم در علوم كامپيوتر، ابزارهاي مختلف هوش مصنوعي براي محققان براي انجام مطالعات و آزمايشات در دسترس قرار گرفته است. در همين راستا در اين مقاله براي پيش‌بيني و هشدار در مورد هرگونه بيماري عروق كرونر از تكنيك‌هايي كارامد داده‌كاوي شامل تئوري بيزين، درخت تصميم، كا نزديك‌ترين همسايه، ماشين بردار پشتيبان و جنگل تصادفي استفاده و كارايي اين الگوريتم‌ها مقايسه شده است. مجموعه داده استفاده شده در اين مقاله، مجموعه داده كليولند با 13 ويژگي، يك متغير هدف و 303 كيس است كه در آن 139 مورد از بيماران قلبي عروقي و 164 فرد سالم هستند. با پياده‌سازي تكنيك‌هاي ياد شده بر روي اين مجموعه داده مشخص شد تكنيك ماشين بردار پشتيبان با دقت 33/85 بالاترين دقت را نسبت به ساير تكنيك‌ها دارد.