بیماری های قلبی یکی از علل اصلی مرگ ومیر در جهان هستند، در این بین، بیماری های عروق کرونر درصد بالایی از مرگ ومیر به دلیل بیماری های قلبی را به خود اختصاص می دهند. یکی از انواع بیماری های عروق کرونر، "آنژین ناپایدار و انفارکتوس میوکارد بدون بالا رفتن قطع? st" است که به صورت وجود ترکیبی از علائم شامل درد قفس? سینه انتشار یابنده به اندام فوقانی، فک تحتانی یا معده که در فعالیت یا استراحت ایجاد می شود و حداقل 20 دقیقه ادامه دارد و ماهیت آن منتشره، غیر محلی، بدون ارتباط با حالت و حرکت است، تعریف می شود، این درد اغلب همراه با تنگی نفس، تعریق، تهوع یا سنکوپ و افزایش آنزیم های قلبی بالاتر از حد طبیعی و تغییرات نوار قلب بروز پیدا می کند. روش استاندارد تشخیص بیماری های عروق کرونر، آنژیوگرافی است که مانند هر روش تشخیص تهاجمی دیگر عوارض و خطراتی به همراه دارد، از سوی دیگر احتمال دارد نتیجه آنژیوگرافی در بسیاری از بیمارانی که تحت این عمل تشخیصی قرار می گیرند طبیعی باشد. این مسائل لزوم تجدید نظر در انجام آنژیوگرافی برای بیماران را یادآور می شود. در سال های اخیر الگوریتم های داده کاوی و روش های هوشمند بسیاری به منظور کمک به تشخیص به وجود آمده اند. تا کنون به منظور پیش بینی نتیجه آنژیوگرافی بیماران از روش های شبکه عصبی، smo و بیز ساده استفاده شده است. در این پژوهش از الگوریتم های درخت تصمیم id3، c4.5، j48، cart و smo به منظور طبقه بندی نتایج آنژیوگرافی و همچنین از الگوریتم ژنتیک به منظور انتخاب مهم ترین ویژگی ها استفاده شده است. پیش از اجرای این الگوریتم ها مراحل پیش پردازش داده ها، از جمله متعادل سازی مجموعه داده¬ها صورت گرفته است. مهم ترین ویژگی های انتخاب شده توسط الگوریتم ژنتیک در این پژوهش شامل جنسیت، دیابت، استعمال سیگار، سابق? انفارکتوس، هیپرتروفی بطن چپ، شدت نارسایی بطن چپ، اختلال عملکرد دیاستولیک و پایین افتادگی قطع? st نوار قلب هستند. بالاترین صحت، حساسیت و ویژگی در بین پنج طبقه بند مورد استفاده در پژوهش را درخت تصمیم j48 با صحت معادل 24/3%±26/90% ، حساسیت معادل 92/91% و ویژگی معادل 54/88% به دست آورده است.