پیش بینی سندروم متابولیک در بیماران به کمک الگوریتم های یادگیری ماشین

  • سال انتشار: 1401
  • محل انتشار: هشتمین کنفرانس بین المللی مهندسی صنایع و سیستم ها
  • کد COI اختصاصی: ICISE08_046
  • زبان مقاله: فارسی
  • تعداد مشاهده: 465
دانلود فایل این مقاله

نویسندگان

عرفان زیاد

دانشجوی کارشناسی، دانشکده مهندسی صنایع، دانشگاه صنعتی شریف

عرفان حسن نایبی

استادیار، دانشکده مهندسی صنایع، دانشگاه صنعتی شریف

چکیده

مشکلات حوزه سلامت یکی از جدی ترین چالش های پیش روی دولت هاست؛ زیرا هر ساله منجر به تلفات عظیم، مرگ وخسارات اقتصادی قابل توجهی می شود. سازمان های فعال در این حوزه باید مدل های قابل اتکایی را برای پیش بینیبیماری ها ایجاد کنند. شناختن عوامل موثر و اثرات ناشی از بیماری ها یک چالش اساسی برای بهبود نظام سلامت و رفاهیک جامعه است. در نتیجه، با وجود تعداد زیادی از تحقیقات مرتبط، توسعه مدل هایی با قابلیت پیش بینی سریع و قابلاعتماد، همچنان یک موضوع تحقیقاتی مهم و پرتقاضا است. در این مطالعه، از الگوریتم های یادگیری ماشینی تحت نظارتشامل روش های طبقه بندی مختلف از جمله روش های درخت تصمیم ، رگرسیون لجستیک و GBC برای پیش بینیوجود یا عدم وجود سندروم متابولیک در بیماران استفاده شده است. در ابتدا یک پایگاهداده مناسب برای پیش بینیسندروم متابولیک بر اساس عوامل ریسک رایج آن انتخاب گردید. پس از بررسی منبع داده و تشریح ویژگی های آن، بهاقدامات لازم جهت پیش پردازش و آماده سازی آن پرداخته شده است. نتایج پیاده سازی الگورتیم ها و ارزیابی مدل ها دراین تحقیق نشان می دهد که الگوریتم GBC با شاخص دقت حدود ۹۰.۶۶ درصد عملکرد به مراتب بهتری نسبت به سایرروش های طبقه بندی دارد.

کلیدواژه ها

یادگیری ماشین، داده کاوی، سندروم متابولیک، الگوریتم های طبقه بندی

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.