از آنجا که یکی از مهمترین عوامل مرگ و میر در جوامع امروزه، بیماری های قلبی است، بررسی چرایی و چگونگی تشخیص و پیش بینی آنها بسیار مورد توجه محققین قرار گرفته است. همکاری متخصصین در زمینه کامپیوتر و پزشکی راه حل جدیدی را در تحلیل این داده ها و به دست آوردن الگوهای مفید و کاربردی ارائه می دهد که همان داده کاوی می باشد. درواقع داده کاوی، به عنوان یکی از مهمترین ابزارهای تحلیل داده و کشف روابط بین آنها و پیش بینی وقوع حوادث از ابزارهای کاربردی محققین در این راه محسوب می گردد. این پژوهش پس از تشریح اهمیت تحقیق در زمینه ی بحث حاضر، به مروری کوتاه بر استفاده های داده کاوی در حوزه سلامت و درمان می پردازد. سپس مروری بر تحقیقات انجام شده در زمینه استفاده از داده کاوی در حوزه شناسایی عوامل موثر بر بیماری های قلبی انجام می گیرد. پس از آن به تبیین روشی جهت شناسایی عوامل موثر بر بیماری های عروق کرونر قلب پرداخته می شود. در این روش که بر روی داده های مراجعه کنندگان به بیمارستان امیرالمونین تهران و بیماران تحت درمان دکتر همایونفر در همدان انجام شده است، پس از انجام پیش پردازش داده ها و گسسته سازی و همگن نمودن آنها، داده های موجود به دو دسته داده های آموزش و آزمون تفکیک می گردند. در این تحقیق به منظور بهبود روشهای تشخیص بیماریهای قلبی یک رویکرد انتخاب خصیصه- دسته بندی پیشنهاد شده است که با استفاده از مجموعه داده مربوط به پرونده های مراجعین بخش قلب بیمارستان امیرالمونین تهران مورد ارزیابی قرار گرفته است. روش پیشنهادی پس از بکارگیری روشهای مختلف دسته بندی بر روی داده های موجود شامل افراد سالم و بیمار و رسیدن به بهینه ترین روش با بالاترین دقت انتخاب می شود. در نهایت دسته بندی های یادگیری شده توسط مجموعه نمونه های آزمون مورد ارزیابی قرار می گیرند. ارزیابی روش های دسته بندی نشان می دهد که روش دسته بندی درختی c4.5 بالاترین دقت را کسب نموده است که دارای معیار صحت به میزان 95.8% می باشد.