مجله دانشگاه علوم پزشکی ایلام، جلد ۲۵، شماره ۱، صفحات ۲۰-۳۲

عنوان فارسی پیش بینی بیماری قلبی با استفاده از تکنیک داده کاوی شبکه عصبی
چکیده فارسی مقاله مقدمه داده کاوی به بررسی و تجزیه و تحلیل مقادیر عظیمی از داده ها به منظور کشف الگوها و قوانین معنی دار اطلاق میشود که عمدتا" از طریق ساختن مدل ها و الگوریتم ها، ورودی ها را با هدف خاصی مرتبط می نماید. گاهی تکنیک های داده کاوی منجر به شناسایی الگوریتم های معنادار می شوند که می توانند با استفاده از داده های موجود و در دسترس و با هزینه کم، زمینه های ابتلا، پیشگیری و درمان بیماری ها را در پزشکی فراهم آورده و پزشک ها را در تشخص به موقع یاری رساند. مواد و روش ها این مطالعه با هدف استفاده مدیران بیمارستان از نتایج حاصل از داده کاوی سیستم های اطلاعات بیمارستانی جهت پیش بینی دقیق تر و تصمیم گیری مؤثرتر در درمان بیماران صورت گرفته است. داده­های مورد استفاده در این مطالعه، مربوط به اطلاعات270 بیمار است که از انبار داده سایت UCI استخراج شده و شامل 14 متغیر است. از مدل" شبکه عصبی" برای پیش­بینی مبتلا بودن به بیماری قلبی استفاده شده و دقت پیش­بینی آن مورد بررسی و مقایسه قرار گرفته است. یافته های پژوهش بر اساس نتایج، مشاهده می­شود، مدل شبکه عصبی با ساختار پرسپترون چند لایه با دقتی برابر با 83.33% عمل کلاس­بندی را برای مجموعه مشاهدات آزمون انجام داده است. بحث و نتیجه گیری نتایج نشان داد که دقت مدل در کلاس­بندی رکوردها از لحاظ متغیر پاسخ بیماری قلبی (Heart-dis)برای مجموعه رکوردهای مدل­ساز 87.75% و برای مجموعه رکوردهای آزمون 83.33% می­باشد. همچنین متغیرهای تعداد عروق بزرگ (Nbr-ves)، کاهش استرس(ST-dep)، نقص (Defect)، درد قفسه سینه(Chest-pain)، اوج استرس) (Peak-ST، ضربان قلب ) (Heart-rate، آنژین) (Angina، جنسیت) (Sex، سن(Age) ،ایستایی نوار قلب (Res-elec)، فشار خون (Blood-press)، قندخون (Blood-sugar) و کلسترول سرم(Serum-chol) به ترتیب بیشترین اهمیت را از لحاظ مدل "شبکه عصبی با ساختار پرسپترون چند لایه" در پیش­بینی متغیر پاسخ بیماری قلبی (Heart-dis)دارند.
کلیدواژه‌های فارسی مقاله داده کاوی، شبکه عصبی، بیماری قلبی

عنوان انگلیسی Heart disease forecast using neural network data mining technique
چکیده انگلیسی مقاله Abstract Introduction Introduction Data mining refers to the study and analysis of large amounts of data for discovering meaningful patterns and rules. Mainly through the models and algorithms, data mining puts the inputs in a specific order. Data mining techniques sometimes lead to the identification of meaningful algorithms which can use available and low-cost data in order to provide us with areas of infection, prevention, and treatment of diseases and help the physicians in timely and accurate diagnosis. Materials & Methods The present paper aimed to study the use of the results of data mining of hospital information systems by hospital managers for more accurate prediction and more effective decision-making about treatment of patients. The data used in this study included the information of 270 patients (14 variables) extracted from the database of UCI website. A "neural networks" model was used for the prediction of affliction with heart disease and its accuracy was measured and compared. Research findings According to the results, it can be observed that Multilayer Perceptron Neural Networks Model has classified the set of test observations with an accuracy of 83.33%. Discussion & Conclusion The results showed that the accuracy of "neural networks" model in classification of records in terms of heart disease response is 87.75% for the set of modeling records and 83.33% for the set of test records. In addition, the findings revealed that the variables of the number of large vessels (Nbr-ves), stress reduction (ST-dep), defect, chest pain, stress peak (Peak-ST), heart rate, angina, gender, age, static ECG (Res-elec), blood pressure (Blood-press), blood sugar, and serum cholesterol (Serum-chol), respectively, have the highest importance in "Multilayer Perceptron Neural Networks" model for the prediction of heart disease response.
کلیدواژه‌های انگلیسی مقاله Data mining, Neural network, Heart-disease

نویسندگان مقاله مریم کاظمی | maryam kazemi
ilam university of medical sciences ,ilam, iran
ایلام-کشوری- ستاد دانشگاه علوم پزشکی
سازمان اصلی تایید شده: دانشگاه علوم پزشکی ایلام (Ilam university of medical sciences)

حسین مهدی زاده | hossein mehdizadeh
dept of entrepreneurship and rural development, faculty of agriculture, ilam university,ilam, iran
دانشگاه ایلام
سازمان اصلی تایید شده: دانشگاه علوم پزشکی ایلام (Ilam university of medical sciences)

اردشیر شیری | ardeshir shiri
ilam university
دانشگاه ایلام
سازمان اصلی تایید شده: دانشگاه ایلام (Ilam university)


نشانی اینترنتی http://sjimu.medilam.ac.ir/browse.php?a_code=A-10-2093-2&slc_lang=fa&sid=fa
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده 1
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات