داده کاوی بر پایه روش های شبکه عصبی و درخت تصمیم در تشخیص زود هنگام ریسک ابتلا به دیابت بارداری

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 79

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JHBMI-4-1_007

تاریخ نمایه سازی: 9 مرداد 1403

چکیده مقاله:

مقدمه: امروزه در دنیای مدرن صنعتی خطر ابتلا به بیماری های مزمن به طرز چشمگیری افزایش یافته است. دیابت بارداری یکی از مسائل مهم در حوزه سلامت است و در صورتی که درمان نشود مشکلات و عوارض جانبی متعددی برای مادر و فرزندش به همراه دارد. این پژوهش به دنبال پیش بینی ریسک و هشدار به موقع در ابتلا به دیابت بارداری به مادر می باشد تا در اوایل بارداری از ابتلا جلوگیری به عمل آید. روش: این پژوهش که به صورت کاربردی- پیمایشی انجام شد و از دو رویکرد شبکه عصبی و درخت تصمیم در داده کاوی به منظور تجزیه وتحلیل آزمایشی داده ها و پیش بینی استفاده گردید. داده های استخراج شده نرمال سازی شده و پس از آماده سازی در نرم افزار Matlab تجزیه وتحلیل شدند. نتایج: تحقیق حاضر در پی یافتن پاسخ به این پرسش است که"آیا دو روش داده کاوی شبکه عصبی و درخت تصمیم در تشخیص به هنگام و درست ریسک ابتلا به دیابت بارداری از صحت لازم برخوردار است ؟" و می توان از آن ها برای تشخیص درست استفاده نمود؟ نتایج تحقیق نشان می دهد که روش های داده مدار در بهبود صحت و درستی پیش بینی موثرند، در کشف دانش ضمنی و تشخیص روابط پنهان بین داده ها عملکرد مناسبی دارند و خطای تصمیم گیری در هر دو روش در حد قابل پذیرش و بسیار به هم نزدیک است . نتیجه­ گیری: نتایج تحقیق حاکی از آن است که از رویکرد های داده مدار می توان در مراکز درمانی و سایر بیماری های کمتر شناخته شده استفاده نمود و پیشگیری به موقع ، مدیریت خود بیمار و کاهش هزینه های درمانی را میسر ساخت.

نویسندگان

مریم میرشریف

MSc in Information Technology Management, Tehran University of Science and Research, Tehran, Iran.

سعید روحانی

tehran university

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 :
  • Ovesen PG, Jensen DM, Damm P, Rasmussen S, Kesmodel US. ...
  • Coustan DR. Gestational diabetes mellitus. Clinical Chemistry ۲۰۱۳;۵۹(۹):۱۳۱۰-۲۱ ...
  • Kim C, Cheng YJ, Beckles GL. Cardiovascular disease risk profiles ...
  • Lingaraj H, Devadass R, Gopi V, Palanisamy K. Prediction of ...
  • Class T. Diabetes and pregnancy. Diabetologia Croatica. ۲۰۰۲;۳۱:۳ ...
  • Chu SY, Callaghan WM, Kim SY, Schmid CH, Lau J, ...
  • O'Leary JA. Shoulder Dystocia and Birth Injury: Prevention and Treatment. ...
  • Stafford GC, Kelley PE, Syka JEP, Reynolds WE, Todd JF. ...
  • Vijiyarani S, Sudha S. Disease prediction in data mining technique–a ...
  • Lakshmi KV, Padmavathamma M. Modeling an Expert System for Diagnosis ...
  • Smitha V. An expert system for diabetes diagnosis. [dissertation]. India: ...
  • Zarkogianni K, Vazeou A, Mougiakakou SG, Prountzou A, Nikita KS. ...
  • Jaafar SFB, Ali DM. Diabetes mellitus forecast using artificial neural ...
  • Sreedevi E, Vijaya Lakshmi K, Chaitanya Krishna E, Padmavathamma M. ...
  • Gurumurthy S, Tripathy BK, Priya M. Study of Image Recognition ...
  • Srivastava S, Tripathi K. Artificial neural network and non-linear regression: ...
  • Sumathy M, Thirugnanam M, Kumar P, Jishnujit T, Kumar KR. ...
  • Nguyen HT, Ghevondian N, Nguyen ST, Jones TW. Detection of ...
  • Mirsharif M, Alborzi M. A fuzzy expert system & neuro-fuzzy ...
  • Su MC. Use of neural networks as medical diagnosis expert ...
  • Jaafar SFB, Ali DM. Diabetes mellitus forecast using artificial neural ...
  • Cunningham F, Leveno K, Bloom S, Hauth J, Rouse D, ...
  • Hirose Y, Yamashita K, Hijiya S. Back-propagation algorithm which varies ...
  • Sapra RL, Mehrotra S, Nundy S. Artificial neural networks: prediction ...
  • Rumelhart D, Hinton G, Williams R. Learning internal representation by ...
  • San PP, Ling SH, Nguyen HT. Intelligent detection of hypoglycemic ...
  • David SK, Saeb AT, Al Rubeaan K. Comparative analysis of ...
  • Hatonen K, Klemettinen M, Mannila H, Ronkainen P, Toivonen H, ...
  • Reichetzeder C, Dwi Putra SE, Pfab T, Slowinski T, Neuber ...
  • Vijayan V, Ravikumar A. Study of data mining algorithms for ...
  • Devi MR, Shyla JM. Analysis of various data mining techniques ...
  • نمایش کامل مراجع