مقايسه سه مدل تصميم گيري در افتراق پنج نوع بيماري قلبي (مطالعه موردي: بيمارستان فوق تخصصي قائم كرج)

Comparison of Three Decision-Making Models in Differentiating Five Types of Heart Disease: A Case Study in Ghaem Sub-Specialty Hospital

مقدمه بيماري هاي قلبي- عروقي در حال تبديل شدن به اصلي ترين عامل مرگ ومير و ناتواني بشر در اغلب كشورهاي دنيا هستند. هدف از انجام اين پژوهش، پيش بيني انواع بيماري هاي قلبي جهت تشخيص دقيق تر به وسيله تكنيك هاي داده كاوي و شبكه عصبي مي باشد. روش اين پژوهش به صورت كاربردي-پيمايشي انجام و پس از پيش پردازش داده ها از سه رويكرد شبكه عصبي، درخت تصميم گيري و الگوريتم ساده بيزي براي پيش بيني و تشخيص در نرم افزار Rapid miner و از مدل شبكه عصبي مصنوعي براي پيش بيني در نرم افزار Matlab استفاده شد. نتايج از الگوريتم ژنتيك براي انتخاب متغيرهاي موثر و براي پيش بيني انواع بيماري قلبي، در داده كاوي از مدل هاي شبكه عصبي مصنوعي، درخت تصميم گيري و الگوريتم ساده بيزي استفاده شد. همچنين از مدل AHP براي تعيين مدل با بهترين عملكرد پيش بيني انواع بيماريهاي قلبي استفاده شد. نتيجه گيري شبكه عصبي عملكرد بسيار بهتري نسبت به مدل هاي داده كاوي ديگر ارائه شده در تشخيص انواع بيماريهاي قلبي در اين پژوهش دارد. همچنين در تشخيص بيماري به وسيله شبكه عصبي مصنوعي، مدل با دقت بالاي 80 درصد، خوب و مورد قبول واقع شد.

Introduction: cardiovascular diseases are becoming the main cause of mortality and morbidity in most countries. This research goal was to predict the types of heart diseases for more accurate diagnosis by data mining and neural network technics. Method: This research was an applied-survey study and after data preprocessing, three approaches of neural network, decision making tree and Bayes simple algorithm were used to predict and recognize in Rapidminer software and neural artificial network model was used for prediction in Matlab software. Results: Genetic algorithm was used for selection of effective variables and neural artificial network models, decision making tree and Bayes simple algorithm were used to predict types of heart diseases in data mining. AHP model was used to determine a model with the best performance for predicting types of heart diseases. Conclusion: Neural network had much better performance than other data mining models used to diagnose types of heart diseases in this research. Also, in detecting disease by artificial neural network, the model with accuracy of more than 80 percent was verified as good and acceptable.