AU - Maihami, Vafa AU - Khormehr, Arash AU - Rahimi, Ezatollah TI - Designing an expert system for prediction of heart attack using fuzzy systems PT - JOURNAL ARTICLE TA - HBI_Journals JN - HBI_Journals VO - 21 VI - 4 IP - 4 4099 - http://sjku.muk.ac.ir/article-1-2549-fa.html 4100 - http://sjku.muk.ac.ir/article-1-2549-fa.pdf SO - HBI_Journals 4 AB  - زمینه و هدف : حجم داده­های موجود در کاربردهای مختلف به سرعت در حال افزایش است. در چنین شرایطی نیاز به روش­هایی برای مدیریت خودکار و بدست آوردن اطلاعات و دانش از داده­ها بیشتر می­باشد. همین امر سبب شده است که استفاده از سیستم­های خبره و داده­کاوی در کاربردهای مختلف بویژه پزشکی مورد توجه محققان در حوزه­های مختلف ­یاشد. پیش بینی بیماری­ها مانند بیماری های قلبی نیز از جمله ی این مسائل پیچیده می باشد که در انتخاب ریسک فاکتورهای مهم و بدست آوردن نتیجه درست مسئله مورد توجه است. روش بررسی : در این مقاله، به کمک یک سیستم فازی یک مدل برای پیش بینی بیماری­های قلبی طراحی شده است که با استفاده از قوانین طراحی شده بر اساس دانسته­های پزشکی و مقایسه هوشمند عمل می کند. در سیستم پیشنهادی، معیارهایی که برای تشخیص بیماری­های قبلی توسط پزشک متخصص استفاده می­شود به عنوان قوانین طراحی شده سیستم، جهت تصمیم­گیری به سیستم داده خواهد شد. در مرحله بعد، این قوانین روی ریسک فاکتورها اعمال شده، و وجود یا عدم وجود بیماری قلبی برای فرد مورد نظر را پیش­بینی می­کند. همچنین در سیستم پیشنهادی برای افرایش کارایی و دقت سیستم تشخیص بیماری قلبی، تاثیر ریسک فاکتورهای مهم تر افرایش داده شده است. الگوریتم پیشنهادی بر روی مجموعه داده­های 1000 بیمار اعم از بیمار قلبی و افراد سالم جمع­آوری شده از بیمارستان توحید سنندج در نرم­افرار متلب و به کمک جعبه ابزار فازی شد. یافته­ها : نتایج آزمایشات انجام شده بر روی مجموعه داده های جمع­آوری شده از بیمارستان توحید سنندج نشان داد که الگوریتم پیشنهادی توانست با دقت 98 درصد پیش­بینی درست افراد مستعد بیماری قلبی را انجام دهد. مزیت دیگر این الگوریتم این است که با اینکه تعدادی فاکتور بسیار مهم مانند تست ورزش در اختیار نبود (بدلیل عدم ثبت در پرونده بیشتر بیماران) بازدهی مناسبی داشته است. نتیجه گیری : الگوریتم پیشنهادی قادر به شناسایی بیماران قلبی با دقت بسیار مناسبی می­باشد، همچنین ریسک فاکتور­های سن، فشار خون، چربی مضر، سیگار، سابقه فامیلی و جنسیت تاثیر بسزایی در ابتلای فرد به این بیماری دارند، بنابراین با برنامه مداخله ای و اطلاع رسانی از طریق رسانه­ها و مراکز پزشکی و درمانی می­توان از شیوع این بیماری جلوگیری کرد. واژه­های کلیدی : پیش بینی بیماری قلبی، سیستم­های فازی ، موتور استنتاج فازی ، ریسک فاکتور. وصول مقاله:18/11/94 اصلاحیه نهایی:24/3/95 پذیرش:1/4/95 CP - IRAN IN - Department of Computer Engineering, Islamic Azad University, Sanandaj Branch, Sanandaj, Iran LG - eng PB - HBI_Journals PG - 118 PT - Original Research YR - 2016