مقایسه سه مدل تصمیم‌گیری در افتراق پنج نوع بیماری قلبی (مطالعه موردی: بیمارستان فوق تخصصی قائم کرج)

مقدمه: بیماری های قلبی عروقی در حال تبدیل شدن به اصلی ترین عامل مرگ‌ومیر و ناتوانی بشر در اغلب کشورهای دنیا هستند. هدف از انجام این پژوهش، پیش بینی انواع بیماری های قلبی جهت تشخیص دقیق تر به وسیله تکنیک های داده کاوی و شبکه عصبی می باشد.روش: این پژوهش به صورت کاربردیپیمایشی انجام و پس از پیش پردازش داده ها از سه رویکرد شبکه عصبی، درخت تصمیم گیری و الگوریتم ساده بیزی برای پیش بینی و تشخیص در نرم افزار rapid miner و از مدل شبکه عصبی مصنوعی برای پیش بینی در نرم افزار matlab استفاده شد.نتایج: از الگوریتم ژنتیک برای انتخاب متغیرهای موثر و برای پیش بینی انواع بیماری قلبی، در داده کاوی از مدل های شبکه عصبی مصنوعی، درخت تصمیم گیری و الگوریتم ساده بیزی استفاده شد. همچنین از مدل ahp برای تعیین مدل با بهترین عملکرد پیش بینی انواع بیماری های قلبی استفاده شد.نتیجه گیری: شبکه عصبی عملکرد بسیار بهتری نسبت به مدل های داده کاوی دیگر ارائه شده در تشخیص انواع بیماری های قلبی در این پژوهش دارد. همچنین در تشخیص بیماری به وسیله شبکه عصبی مصنوعی، مدل با دقت بالای 80 درصد، خوب و مورد قبول واقع شد.