بکارگیری تکنیک های داده کاوی جهت شناسایی زودهنگام ایست قلبی و پیشگیری از آن

یکی از بزرگترین معضلات زندگی ماشینی، همانا کم تحرکی می باشد که می تواند خود باعث هزاران مشکل در سلامتی انسان تلقی گردد. در دهه اخیر همزمان با زندگی ماشینی بیماری های زیادی منجمله سرطان و بیماری های قلبی و عروقی در جوامع مختلف رایج شده که سالیانه تعداد زیادی از مردم را به کام مرگ می برد. در این پایان نامه بر روی بیماری های قلبی و عروقی و به خصوص ایست قلبی تمرکز خواهیم کرد. از آنجا که فقط 10 دقیقه ماکزیمم بعد از اتفاق افتادن ایست قلبی وقت برای احیای مریض وجود دارد لذا تشخیص زودهنگام بیماری می تواند در حفظ جان میلیون ها نفر در اقصی نقاط دنیا نقش مهمی ایفاء نماید. داده کاوی علمی است که از روی داده های جمع آوری شده و تاریخچه موجود به ایجاد مدلی می پردازد که این مدل برای پیشگویی ابتلای مراجعه کنندگان جدید به یک بیماری یا های ریسک بودن یا نبودن آنها می تواند کارایی داشته باشد. هر چقدر میزان دقت پیشگویی یا تشخیص یک الگو یا مدل ایجاد شده بیشتر باشد به همان نسبت گفته می شود اصطلاحا کارایی الگوریتم مورد استفاده بیشتر بوده است. در این تحقیق بر روی داده های بیماران قلبی-عروقی که از آزمایشگاه UCI جمع آوری شده الگوریتم های کشف الگو شامل درخت تصمیم، شبکه های عصبی، Rough set، SVMT ، KNN ، Naive Bayes را اعمال کرده و دقت شناسایی و پیشگویی آنها را باهم مقایسه می شود و در نهایت یک الگوریتم ترکیبی برای بالابردن میزان دقت این الگوریتم ها پیشنهاد می شود.

کلیدواژه ها:

داده کاوی ، روابط انجمنی ، بیماری های قلبی ، ایست قلبی ، تشخیص زودهنگام ، پیشگویی