به‌کارگیری تکنیک‌های کارامد داده‌کاوی به‌منظور پیش‌بینی و تشخیص هوشمند بیماری‌های قلبی- عروقی

میزان بالای ابتلا به بیماری‌ قلبی و عروقی و تعداد بالای مرگ و میر ناشی از بیماری قلبی در سراسر جهان یکی از نگرانی‌‌ها در صنعت بهداشت و درمان است و جهت کنترل این بیماری درصدد پیدا کردن راه‌هایی جهت کاهش ابتلا و یا مرگ و میر هستند. با توجه به اینکه امروزه در صنعت مراقبت‌های بهداشتی، تجزیه و تحلیل داده‌ها می‌تواند موجب بهبود تشخیص زودهنگام بیماری شود و جان انسان‌ها را نجات دهد با پیشرفت عظیم در علوم کامپیوتر، ابزارهای مختلف هوش مصنوعی برای محققان برای انجام مطالعات و آزمایشات در دسترس قرار گرفته است. در همین راستا در این مقاله برای پیش‌بینی و هشدار در مورد هرگونه بیماری عروق کرونر از تکنیک‌هایی کارامد داده‌کاوی شامل تئوری بیزین، درخت تصمیم، کا نزدیک‌ترین همسایه، ماشین بردار پشتیبان و جنگل تصادفی استفاده و کارایی این الگوریتم‌ها مقایسه شده است. مجموعه داده استفاده شده در این مقاله، مجموعه داده کلیولند با 13 ویژگی، یک متغیر هدف و 303 کیس است که در آن 139 مورد از بیماران قلبی عروقی و 164 فرد سالم هستند. با پیاده‌سازی تکنیک‌های یاد شده بر روی این مجموعه داده مشخص شد تکنیک ماشین بردار پشتیبان با دقت 33/85 بالاترین دقت را نسبت به سایر تکنیک‌ها دارد.