کلاس بندی بیماری های انسدادی ریوی بر اساس روش های مبتنی بر درخت تصمیم
- سال انتشار: 1402
- محل انتشار: ششمین همایش ملی توسعه علوم فناوریهای نوین در مدیریت، حسابداری و کامپیوتر
- کد COI اختصاصی: IVCONF06_179
- زبان مقاله: فارسی
- تعداد مشاهده: 240
نویسندگان
دانشجوی کارشناسی ارشد مهندسی پزشکی، موسسه آموزش عالی سراج
استادیار گروه مهندسی پزشکی، موسسه آموزش عالی سراج
استادیار گروه مهندسی برق، موسسه آموزش عالی سراج
چکیده
بیماری های مزمن انسدادی ریوی یکی از عوامل تهدیدکننده بهداشت عمومی می باشد که به عنوان سومین علت مرگ و میر و ناتوانی در سراسر جهان گزارش شده است. تست اسپیرومتری روش استاندارد طلایی برای تشخیص این بیماری ها در نظر گرفته می شود. تفسیر نتایج این تست توسط فرد متخصص انجام می شود و به دلیل رنج نزدیک ویژگی ها و امکان وجود اورلب در هر بین دسته های مختلف بیماری امکان تفسیر و تشخیص توسط خود بیمار وجود ندارد. بنابراین بکارگیری الگوریتم های یادگیری ماشین می تواند در تسریع روند تفسیر و خودارزیابی کمک کننده و موثر باشد. در این مقاله روش درخت تصمیم و روش های یادگیری جمعی بگینگ و آدابوست مبتنی بر درخت تصمیم بکار برده شده است. دادگان بکار رفته در این مقاله از نتایج تست اسپیرومتری و ویژگی های مرتبط با بیماری های ریوی، ۳۹۹ فرد جمع آوری شده است که به سه کلاس بیماری های انسدادی شامل آسم، بروشیت مزمن، آمفیزم تعلق دارد. ارزیابی روش پیشنهادی در چهارچوب روش اعتبارسنجی متقاطع ۵ گانه انجام شد. روش بگینگ با ۹۱/۹۷ درصد دقت، ۸۷/۹۶ درصد حساسیت و ۹۳/۹۸ درصد تشخیص پذیری عملکرد بهتری نسبت به درخت تصمیم منفرد در کلاس بندی بیماری های انسدادی ریوی بدست آورد.کلیدواژه ها
بیماری های انسدادی ریوی، درخت تصمیم، یادگیری جمعی، بگینگ، آدابوستمقالات مرتبط جدید
- تحلیل انطباقی کیفیت و میزان محبوبیت خدمات ابری با بررسی و مقایسه رتبه بندی Tranco و رتبه بندی عملکردی شرکت های ابری
- طبقه بندی سیگنال های EEG ثبت شده از قشر پیش پیشانی به منظور کشف اثر موسیقی در شدت احساسات با استفاده از شبکه عصبی مصنوعی و پرسشنامه
- ارائه رویکردی برای مدیریت ریسک در پروژه های نرمافزاری با استفاده از خوشه بندی تجمعی
- تحلیل احتمالنقض ترتیب علیتی پیام ها در یک الگوریتم پخش علیتی در سیستمهای توزیع شده
- بهینه سازی به سبک گربه های شنی: الگوریتمی برای جستجوی کارآمد و مدیریت ازدحام
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.