راهکارهایی مبتنی بر داده کاوی با مقایسه عملکرد درخت تصمیم CART و شبکه ی عصبیMLP برای پیش بینی سکته قلبی

رضوان متین فرد¹ صبا تمیزی²

1) دانشکده مهندسی کامپیوتر، موسسه آموزش عالی غیرانتفاعی یاسین، بروجرد، ایران
2) دانشکده مهندسی صنایع و برنامه ریزی سیستم‌ها، دانشگاه صنعتی اصفهان، اصفهان، ایران

محل انتشار : نهمین کنفرانس بین المللی تحقیقات پیشرفته در علوم، مهندسی و فناوری (setconf.ir)
چکیده :
در سالهای اخیر استفاده از روشهای داده کاوی روی حجم زیادی از داده ها با هدف تولید مدل ها و الگوهای پیش بینی کننده در حیطه های متعدد پزشکی رواج یافته است. با توجه به شیوع و سهمی که بیماری سکته قلبی در مرگ و میر انسان ها دارند، لذا پیش بینی صحیح وضعیت بیمارجهت به حداقل رساندن استفاده از روش های تهاجمی مثل آنژیوگرافی و...دارای اهمیت زیادی است، استفاده از تکنیک های داده کاوی برای پیش بینی سریع ابتلا به بیماری،کاهش عوارض ناشی ازآن وهزینه های کمتربسیار کمک کننده است.این پژوهش با هدف استفاده از نتایج حاصل ازداده کاوی جهت پیش بینی دقیق تر بیماری قلبی،تصمیم گیری موثرتر وبهتر درمان بیماران وکاهش هزینه ها صورت گرفته است.پژوهش حاضرازنوع کاربردی وتوصیفی می باشدکه درآن اطلاعات مربوط به300بیمار از مخزن انباردرسایت UCIاستخراج شده وشامل 14متغیر است.دراین پژوهش ازمدل شبکه ی عصبی مصنوعی ودرخت تصمیمCARTبرای پیش بینی مبتلا بودن به سکته قلبی استفاده شده است ودقت وصحت ومیزان خطادر هردو روش بررسی گردید. براساس نتایج به دست آمده مشاهده می شود مدل شبکه ی عصبی با ساختار پرسپترون چند لایه با دقتی برابر97/91 درصد بر مدل درخت تصمیم CARTبا دقتی برابر56/75 درصد در پیش بینی ابتلا به سکته قلبی برتری دارد.
کلمات کلیدی : پیش‌بینی سکته قلبی درخت تصمیم گیری CART شبکه عصبی مصنوعی