رویکرد ترکیبی مبتنی بر گرادیان درختان تقویت شده جهت پیش بینی نیازمندی بیماران به عمل سزارین

امروزه در برنامه های تصمیم یار هوشمند، نیاز به تشخیص عمل جراحی به عنوان یک عملیات حساس تلقی می گردد. اینکار بررسی های متنوع بیمار به معاینات متنوع را کاهش می دهد. عمل سزارین، به عنوان یکی از جراحی های شایع می تواند تاثیرات نامطلوبی برای مادر تا پایان عمر داشته باشد. در کنار تشخیص پزشک، شناسایی فرد باردار به عمل سزارین بر اساس سایر عوامل می تواند در افزایش سرعت تصمیم گیری پزشک و کاهش آزمایش های پرهزینه اضافی برای فرد موثر باشد. تشخیص نیاز بیمار به جراحی با کمک یادگیری ماشین یک تکنیک نوین است که به پزشکان در تصمیم گیری سایر پارامترها و عوامل وابسته در تشخیص نهایی یاری می رساند. در این پژوهش یک روش جهت تشخیص نیاز بیمار به عمل سزارین با تکنیک های تشخیص الگو ارائه می شود. روش ارائه شده با ایجاد ویژگی های ریسک از بردار اولیه و خوشه بندی کا-میانگین، بردار ویژگی را بهبود می دهد. روش پیشنهادی با بکارگیری طبقه بند گرادیان درختان تقویت شده توانست در تشخیص نیاز فرد باردار به سزارین به ضریب همبستگی متیوس ۰.۵۷۱ ، دقت % ۷۸.۷۵ ، صحت % ۷۵.۴۴ و اندازه ی اف % ۸۳.۵ دست یابد.

کلیدواژه ها:

پیشگیری از عمل جراحی ، عمل سزارین ، مدل گرادیان تقویتی ، طبقه بندی داده های سلامت ، ویژگی های ریسک