استفاده از پردازش های رایانه ای برای تشخیص بیماری ترومبوآمبولی ریه

هدف اصلی این مطالعه دستیابی به دقیق ترین مدل برای پیش بینی بیماری ترومبوآمبولی ریوی با مقایسه الگوریتم های مختلف داده کاوی با مقایسه حساسیت، ویژگی و auc graf بود. برای پیش بینی درخت تصمیم، الگوریتم ها، شبکه های عصبی، تئوری و ماشین بردار پشتیبان بر اساس الگوریتم ها برای تعیین تعداد بهینه خوشه ها K- به معنی شاخص dyvs-boldin استفاده شد. تنگی نفس و تنگی نفس، شنیدن صدای دوم قلب به عنوان زمینه های مهم شناخته شد. یافته ها: احساس تنگی نفس، تنفس تند و تنگی نفس، صدای دوم قلبمتغیرهای مهمی برای پیش بینی بیماری بودند.

کلیدواژه ها:

ترومبوآمبولی ریوی ، داده کاوی ، تصمیم الگوریتم k-mean ، نظریه ماشین بردار پشتیبان ، شبکه عصبی