مجله دانشگاه علوم پزشکی قم، جلد ۱۰، شماره ۴، صفحات ۲۲-۳۵
عنوان فارسی پیش‌بینی دقیق بیماری عروق کرونری با استفاده از الگوریتم‌های بیوانفورماتیک
چکیده فارسی مقاله زمینه و هدف: بیماری قلبی - عروقی یکی از مهم‌ترین علل مرگ و میر در کشورهای پیشرفته و جهان سوم است. طبق اعلام سازمان بهداشت جهانی پیش‌بینی می‌شود مرگ و میر ناشی از بیماری‌های قلبی تا سال 2030 به 23 میلیون نفر افزایش می‌یابد. در جدیدترین آمار وزیر بهداشت ایران، 3/39% کل مرگ و میرها ناشی از بیماری‌های قلبی - عروقی و 5/19% مربوط به سکته‌های قلبی گزارش شده است. این پژوهش با هدف پیش‌بینی بیماری عروق کرونر قلبی با استفاده از الگوریتم‌های داده‌کاوی انجام شد. روش بررسی: در این مطالعه از الگوریتم‌های مختلف بیوانفورماتیک از جمله درخت تصمیم، شبکه‌های عصبی، ماشین‌بردار پشتیبان، خوشه‌بندی و ...، برای پیش‌بینی بیماری عروق کرونر قلب استفاده شد. در این مطالعه داده‌ها از چندین پایگاه معتبر (شامل 14 داده) گرفته شدند. یافته‌ها: در این تحقیق از تکنیک‌های داده‌کاوی، جهت تشخیص بیماری‌های مختلف از جمله بیماری عروق کرونری استفاده شد که مؤثر بود. همچنین برای اولین بار یک سیستم پیش‌بینی مبتنی بر ماشین‌بردار پشتیبان با بهترین دقت ممکن معرفی گردید. نتیجه‌گیری: نتایج نشان داد بین ویژگی‌ها؛ متغیر اسکن‌تالیوم به‌عنوان مهم‌ترین ویژگی در تشخیص بیماری‌های قلبی می‌باشد، و طراحی مدل‌های پیش‌بینی ماشینی از جمله الگوریتم یادگیری بردار پشتیبان ماشین با دقت 100% می‌تواند بین افراد بیمار و سالم تمایز قائل شود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Accurate Prediction of Coronary Artery Disease Using Bioinformatics Algorithms
چکیده انگلیسی مقاله Background and Objectives: Cardiovascular disease is one of the main causes of death in developed and Third World countries. According to the statement of the World Health Organization, it is predicted that death due to heart disease will rise to 23 million by 2030. According to the latest statistics reported by Iran’s Minister of health, 3.39% of all deaths are attributed to cardiovascular diseases and 19.5% are related to myocardial infarction. The aim of this study was to predict coronary artery disease using data mining algorithms. Methods: In this study, various bioinformatics algorithms, such as decision trees, neural networks, support vector machines, clustering, etc., were used to predict coronary heart disease. The data used in this study was taken from several valid databases (including 14 data). Results: In this research, data mining techniques can be effectively used to diagnose different diseases, including coronary artery disease. Also, for the first time, a prediction system based on support vector machine with the best possible accuracy was introduced. Conclusion: The results showed that among the features, thallium scan variable is the most important feature in the diagnosis of heart disease. Designation of machine prediction models, such as support vector machine learning algorithm can differentiate between sick and healthy individuals with 100% accuracy.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله هاجر شفیعی | hajar shafiee
university of qom
1دانشکده مهندسی، دانشگاه قم
سازمان اصلی تایید شده: دانشگاه قم (Qom university)

منصور ابراهیمی | mansour ebrahimi
faculty of basic sciences, university of qom, qom
دانشکده علوم پایه، دانشگاه قم
سازمان اصلی تایید شده: دانشگاه قم (Qom university)

نشانی اینترنتی http://journal.muq.ac.ir/browse.php?a_code=A-10-1-523&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقاله پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات