1- گروه کامپیوتر، دانشگاه آزاد اسلامی واحد سنندج ، maihami@iausdj.ac.ir 2- دانشکده فنی- مهندسی، دانشگاه آزاد اسلامی واحد سنندج 3- گروه داخلی، دانشگاه علوم پزشکی کردستان
چکیده: (9829 مشاهده)
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
Maihami V, Khormehr A, Rahimi E. Designing an expert system for prediction of heart attack using fuzzy systems. SJKU 2016; 21 (4) :118-131 URL: http://sjku.muk.ac.ir/article-1-2549-fa.html
میهمی وفا، خورمهر آرش، رحیمی عزت الله. طراحی یک سیستم خبره جهت شناسایی بیماریهای قلبی با استفاده از الگوریتم فازی. مجله علمي دانشگاه علوم پزشكي كردستان. 1395; 21 (4) :118-131