مرور نظام مند کاربرد شبکه بیزین ساده در پیش بینی بیماری ها
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 59
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHBMI-3-4_008
تاریخ نمایه سازی: 9 مرداد 1403
چکیده مقاله:
مقدمه: با پیشرفت فناوری در دهه اخیر، استفاده از الگوریتم های یادگیری ماشین در پیش بینی بیماری ها بسیار حائز اهمیت و رو به افزایش است. هدف از مطالعه حاضر بررسی اهمیت یکی از الگوریتم های پرکاربرد در پیش بینی بیماری ها به نام شبکه بیزین ساده و همچنین دسته بندی مقالات مرتبط با پیش بینی بیماری ها با الگوریتم های داده کاوی می باشد.
روش: مطالعه حاضر یک پژوهش مروری نظام مند است. جستجوی کامل از طریق پایگاه های داده آنلاین و موتورهای جستجو از قبیل Scopus، Science Direct، Web of Science و Medline برای یافتن مقالات در بازه زمانی سال های ۲۰۰۷ تا ۲۰۱۷ انجام گرفت.
نتایج: در مجموع ۹۰ چکیده یافت شد که ۲۷ مقاله با معیارهای ورود و خروج مطالعه همخوانی داشت. شبکه بیزین ساده در مقایسه با بقیه الگوریتم های موجود برای پیش بینی بیماری ها قرار گرفت که در ۹۲ درصد (۲۵ از ۲۷ مقاله) نتایج، الگوریتم بیزین از کارایی بهتری برخوردار بود. نتایج پژوهش انجام شده موید اثربخشی الگوریتم بیزین ساده در پیش بینی بیماری ها بود.
نتیجه گیری: شبکه بیزین ساده یکی از بهترین روش های پیش بینی بیماری ها در مقایسه با نظر متخصصان و الگوریتم های موجود دیگر می باشد که می تواند به عنوان روش حمایتی در کنار تصمیمات پزشکان قرار گیرد تا صحت پیش بینی بیماری ها را ارتقاء دهد.
کلیدواژه ها:
نویسندگان
مصطفی لنگری زاده
Iran university of medical sciences
فاطمه مقبلی
Ph.D. Student in Medical Informatics, Health Information Management Dept., School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran.
محمدرضا علی بیک
Iran university of medical sciences
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :