مقایسه سه مدل تصمیم گیری در افتراق پنج نوع بیماری قلبی (مطالعه موردی: بیمارستان فوق تخصصی قائم کرج)

بیماری‏های قلبی- عروقی در حال تبدیل‏شدن به اصلی‏ترین عامل مرگ ومیر و ناتوانی بشر در اغلب کشورهای دنیا هستند. هدف از انجام این پژوهش، پیش‏بینی انواع بیماری‏های قلبی جهت تشخیص دقیق‏تر به وسیله تکنیک‏های داده‎‏کاوی و شبکه عصبی می‏باشد. این پژوهش به صورت کاربردی-پیمایشی انجام و پس از پیش‏پردازش داده‏ها از سه رویکرد شبکه عصبی، درخت تصمیم‏گیری و الگوریتم ساده بیزی برای پیش‏بینی و تشخیص در نرم افزار Rapid miner و از مدل شبکه عصبی مصنوعی برای پیش‏بینی در نرم‏افزار Matlab استفاده شد. از الگوریتم ژنتیک برای انتخاب متغیرهای موثر و برای پیش‏بینی انواع بیماری قلبی، در داده‏کاوی از مدل‏های شبکه عصبی مصنوعی، درخت تصمیم‏گیری و الگوریتم ساده بیزی استفاده شد. همچنین از مدل AHP برای تعیین مدل با بهترین عملکرد پیش‏بینی انواع بیماری‏های قلبی استفاده شد. شبکه عصبی عملکرد بسیار بهتری نسبت به مدل‏های داده‏کاوی دیگر ارائه‏ شده در تشخیص انواع بیماری‏های 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.