دانلود ترجمه مقاله بررسی سیستم پیش بینی بیماری قلبی با تکنیک های داده کاوی

1. مقدمه 2. بررسی ادبیات پژوهش 3. تکنیک‌های داده‌کاوی مورد استفاده برای تشخیص بیماری‌های دیگر 4. نتیجه‌گیری

داده‌کاوی یک فرایند مبتنی بر رایانه است که مجموعه‌های عظیم داده‌ها را تحلیل می‌کند و سپس معنای داده‌ها را استخراج می‌کند. ابزارهای داده‌کاوی می‌توانند رویدادهای آینده را پیش‌بینی کنند، امکانی را فراهم می‌آورند تا صاحبان کسب و کار بتوانند فعالانه به فعالیت‌های خود بپردازند و با استفاده از این ابزارها می‌توان تصمیمات مبتنی بر دانش اتخاذ نمود. ابزارهای داده‌کاوی می‌توانند به سوالات حوزه‌ی کسب‌وکار پاسخ دهند، سوال‌هایی که با استفاده از روش‌های سنتی، پاسخ‌گویی به آنها طول می‌کشد. داده‌های عظیمی که برای پیش‌بینی بیماری قلبی تولید شده‌اند، اگر قرار باشد با روش‌های سنتی پردازش شوند، این پردازش بسیار پیچیده و حجیم می‌باشد. داده‌کاوی روش و تکنولوژی‌ای را ارائه می‌دهد که بر مبنای آن، این داده‌ها به اطلاعاتی مفید تبدیل می‌شود؛ اطلاعاتی که می‌توان با استفاده از آنها تصمیم‌گیری نمود. با استفاده از تکنیک‌های داده‌کاوی، زمان کمتری برای پیش‌بینی بیماری صرف می‌شود و دقت بیشتری حاصل می‌شود. در این مقاله، ما مقالاتی را مورد بررسی قرار می‌دهیم که در آنها از یک یا چند الگوریتم داده‌کاوی برای پیش‌بینی بیماری قلبی استفاده شده است. در يك مقاله، نتيجه استفاده از شبكه‌های عصبي تقريبا 100% است [10] و [6]. بنابراین، پیش‌بینی این بیماری با استفاده از الگوریتم‌های داده‌کاوی نتایج کارآمدی را به دنبال خواهد داشت. اعمال تکنیک‌های داده‌کاوی به داده‌های مربوط به درمان بیماری‌های قلبی، منجر به عملکردی قابل اعتماد برای تشخیص بیماری‌های قلبی خواهد شد.

Data mining is the computer based process of analyzing enormous sets of data and then extracting the meaning of the data. Data mining tools predict future trends, allowing business to make proactive, knowledge-driven decisions. Data mining tools can answer business questions that traditionally taken much time consuming to resolve. The huge amounts of data generated for prediction of heart disease are too complex and voluminous to be processed and analyzed by traditional methods. Data mining provides the methodology and technology to transform these mounds of data into useful information for decision making. By using data mining techniques it takes less time for the prediction of the disease with more accuracy. In this paper we survey different papers in which one or more algorithms of data mining used for the prediction of heart disease. Result from using neural networks is nearly 100% in one paper [10] and in [6]. So that the prediction by using data mining algorithm given efficient results. Applying data mining techniques to heart disease treatment data can provide as reliable performance as that achieved in diagnosing heart disease.