fa مقایسه سه مدل تصمیم‌گیری در افتراق پنج نوع بیماری قلبی (مطالعه موردی: بیمارستان فوق تخصصی قائم کرج) داده کاوی Data Mining پژوهشي اصیل Original Article <div style="text-align: justify;"><span style="font-family:tahoma;"><strong><span style="color:black;">مقدمه:</span></strong> بیماری&rlm;های قلبی- عروقی در حال تبدیل&rlm;شدن به اصلی&rlm;ترین عامل مرگ‌ومیر و ناتوانی بشر در اغلب کشورهای دنیا هستند. هدف از انجام این پژوهش، پیش&rlm;بینی انواع بیماری&rlm;های قلبی جهت تشخیص دقیق&rlm;تر به وسیله تکنیک&rlm;های داده<span dir="LTR">&lrm;</span>&rlm;کاوی و شبکه عصبی می&rlm;باشد.<br> <strong><span style="color:black;">روش:</span></strong> این پژوهش به صورت کاربردی-پیمایشی انجام و پس از پیش&rlm;پردازش داده&rlm;ها از سه رویکرد شبکه عصبی، درخت تصمیم&rlm;گیری و الگوریتم ساده بیزی برای پیش&rlm;بینی و تشخیص در نرم افزار <span dir="LTR"><span style="font-size:11.0pt;">Rapid miner</span></span> و از مدل شبکه عصبی مصنوعی برای پیش&rlm;بینی در نرم&rlm;افزار <span dir="LTR"><span style="font-size:11.0pt;">Matlab</span></span> استفاده شد.<br> <strong><span style="color:black;">نتایج</span></strong><strong>:</strong> از الگوریتم ژنتیک برای انتخاب متغیرهای مؤثر و برای پیش&rlm;بینی انواع بیماری قلبی، در داده&rlm;کاوی از مدل&rlm;های شبکه عصبی مصنوعی، درخت تصمیم&rlm;گیری و الگوریتم ساده بیزی استفاده شد. همچنین از مدل <span dir="LTR"><span style="font-size:11.0pt;">AHP</span></span> برای تعیین مدل با بهترین عملکرد پیش&rlm;بینی انواع بیماری&rlm;های قلبی استفاده شد.<br> <strong>نتیجه &shy;گیری:</strong> شبکه عصبی عملکرد بسیار بهتری نسبت به مدل&rlm;های داده&rlm;کاوی دیگر ارائه&rlm; شده در تشخیص انواع بیماری&rlm;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.</span></div> <div style="text-align: justify;"><strong>Introduction:</strong> 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.<br> <strong>Method:</strong> 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.<br> <strong>Results:</strong> 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.<br> <strong>Conclusion</strong>: 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</div> داده‌کاوی, شبکه عصبی, درخت تصمیم, بیماری قلبی, تشخیص Data mining, Neural network, Decision tree, Heart disease, Diagnosis 457 468 http://jhbmi.ir/browse.php?a_code=A-10-426-1&slc_lang=fa&sid=1 Raahil Mousavi راحیل موسوی raahil.mousavi@yahoo.com 10031947532846006048 10031947532846006048 Yes PhD. Student in Industrial Engineering, Faculty of Technical and Engineering, Research and Science University, Tehran, Iran دانشجوی دکتری مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه علوم و تحقیقات، تهران، ایران Mohammad Mehdi Sepehri محمدمهدی سپهری mehdi.sepehri@modares.ac.ir 10031947532846006049 10031947532846006049 No Tarbiat Modares university دکترای تحقیق در عملیات، استاد گروه مهندسی صنایع، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، ایران