عنوان پایان‌نامه
فرآیند کشف دانش از تحلیل داده های قلبی و عروقی با استفاده از تکنیک خوشه بندی
- رشته تحصیلی
- مهندسی صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2612;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 62726
- تاریخ دفاع
- ۱۸ دی ۱۳۹۲
- دانشجو
- سمانه داورزنی
- استاد راهنما
- عباس کرامتی
- چکیده
- بیماری عروق کرونر یکی از انواع بیماری های قلبی می باشد که به دلیل شیوع بالای آن، در سال های اخیر مورد توجه بسیاری از محققین بوده است. با افزایش شیوع بیماری های قلبی، نه تنها پیشگیری از بیماری بلکه پیش بینی ابتلا به بیماری قلبی نیز امری پر اهمیت می باشد. اگر بتوانیم پیش بینی نماییم که الگوی پویای سلامت یک فرد با یک الگوی سلامتی که به عنوان الگوی پرخطر شناسایی شده است، مطابقت دارد، می توان اقدامات پیشگیرانه را، به گونه ای که الگوی سلامت فرد را بهبود بخشد و منجر به نتایج بهتری گردد، انجام داد. در این تحقیق با به کارگیری فرآیند کشف دانش و با رویکردهای دسته بندی و خوشه بندی به تعیین این موضوع پرداخته ایم که آیا یک فرد در معرض ابتلا به بیماری عروق کرونر می باشد یا خیر. در این تحقیق این الگوریتم ها بر روی داده های افراد مراجعه کننده به مرکز آنژیوگرافی بیمارستان محب تهران اعمال گردیده و احتمال ابتلا به بیماری عروق کرونر برای افراد با استفاده از سه استراتژی خوشه بندی، دسته بندی و روش تلفیقی خوشه بندی-دسته بندی تعیین گردید. نتایج نشان دادند با وجود عملکرد بهتر روش دسته بندی، رویکرد خوشه بندی نتایج قابل قبولی ارائه نموده است. همچنین استفاده از رویکرد خوشه بندی در تلفیق با رویکرد دسته بندی به بهبود نتایج بدست آمده منجر می گردد. واژه های کلیدی: فرآیند کشف دانش، بیماری عروق کرونر، دسته بندی، خوشه بندی.
- Abstract
- Coronary artery disease is a derivative of heart disease that is a growing concern because of its high prevalence in recent years. With cardiovascular disease becoming increasingly prevalent, it is important to not only create some preventive programs but also take steps toward predicting coronary artery disease. If we can predict that the dynamic pattern of an individual’s health status matches a pattern already identified as high-risk for coronary artery disease, preventive measures can be taken to improve individuals health status and outcome. In this study, knowledge discovery process, clustering and classification approaches are implemented to determine whether a person is at risk for coronary artery disease or not. These algorithms had been applied to the medical features of patients who referred to angiography center of Tehran’s Moheb hospital and probability of having coronary artery disease is predicted using three different strategies which includes clustering, classification and a mixed strategy based on combination of clustering and classification algorithms. The results indicated that although the prediction of classification method is better, in comparition with clustering method, but the outcome of clustering method is acceptable. Moreover, using clustering method in conjunction with classification method led to improved predictions of coronary artery disease. Keywords: Knowledge discovery process, coronary artery disease, classification, clustering.
