Journal of Ilam University of Medical Sciences

fa پیش بینی بیماری قلبی با استفاده از تکنیک داده کاوی شبکه عصبی Heart disease forecast using neural network data mining technique پژوهشي Research 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. 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.    داده کاوی, شبکه عصبی, بیماری قلبی Data mining, Neural network, Heart-disease 20 32 http://sjimu.medilam.ac.ir/browse.php?a_code=A-10-2093-2&slc_lang=fa&sid=1 Maryam Kazemi مریم کاظمی marykazemi90@gmil.com 9600319475328460044427 9600319475328460044427 No University of Ilam medical sciences دانشگاه علوم پزشکی ایلام Hossein Mehdizadeh حسین مهدی زاده Hossein.mahdizadeh@gmail.com 9600319475328460044428 9600319475328460044428 Yes Ilam University گروه کارآفرینی و توسعه روستایی، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران Ardeshir Shiri اردشیر شیری Shiri_ardeshir@yahoo.com 9600319475328460044429 9600319475328460044429 No Dept of Management, Faculty of Humanities, Ilam University,Ilam, Iran گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه ایلام، ایلام، ایران