توسعه سیستم ترکیبی مبتنی بر داده کاوی و وب معنایی برای تشخیص بیماری اوتیسم

مقدمه: اوتیسم به عنوان یک اختلال سیستم عصبی است و از آنجایی که تشخیص مستقیمی برای آن وجود ندارد، داده کاوی می تواند به تشخیص این بیماری کمک شایانی کند. آنتولوژی به عنوان ستون وب معنایی ، یک پایگاه دانش با قابلیت اشتراک پذیری و استفاده قابلیت مجدد می تواند تاییدی بر درستی سیستم های تشخیص بیماری باشد. هدف این تحقیق ارائه سیستمی جهت تشخیص کودکان اوتیسمی با روشی مرکب از وب معنایی و داده کاوی می باشد. روش: داده های موجود، برگرفته از بانک داده ای UCI می باشد. در مجموع ۲۹۲ رکورد داده ای موجود بود که ۸۰ درصد این داده ها یعنی ۲۳۴ رکورد جهت مدل سازی به وسیله درخت تصمیم استفاده شدند. اطلاعات مربوط به بیماران و بیماری اوتیسم در قالب دانش در آنتولوژی با استفاده از نرم افزار Protégé ۵ ارائه داده شدند. آنتولوژی دارای ۴ کلاس و ۱۲ خصوصیت جهت برقراری ارتباط بین نمونه های موجود در کلاس ها بود. قانون های استخراج شده از درخت تصمیم، به شکلی قابل فهم (SWRL) برای تفسیر در آنتولوژی توسط یک مبدل، تبدیل شدند. نتایج: سالم بودن و یا نبودن کودک از روی قوانین به دست آمده در درخت تصمیم قابل تشخیص است. در ضمن، خروجی آنتولوژی با استفاده از تفسیر ۲۵ قانون، تشخیص کودکان بیمار با استفاده از درخت تصمیم را تایید کرد. همچنین ارزیابی آنتولوژی، درستی آن را تایید کرد. نتیجه گیری: با توجه به همسان بودن خروجی آنتولوژی و درخت تصمیم در رابطه با تشخیص بیماری، می توان به دقت و درستی روش ارائه شده تاکید کرد.

کلیدواژه ها:

Autism ، Data Mining ، Decision Tree ، Ontology ، Rule-based System ، اوتیسم ، داده کاوی ، درخت تصمیم ، آنتولوژی ، سیستم مبتنی بر قانون