پیش بینی وضعیت خطر سلامت مادران باردار مبتنی بر اینترنت اشیاء با استفاده از رویکردهای یادگیری ماشین

  • سال انتشار: 1403
  • محل انتشار: هفتمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران
  • کد COI اختصاصی: STCONF07_171
  • زبان مقاله: فارسی
  • تعداد مشاهده: 242
دانلود فایل این مقاله

نویسندگان

محبوبه محبوبی لنگرودی

گروه مهندسی کامپیوتر، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران

اعظم السادات نوربخش

گروه مهندسی کامپیوتر، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران

چکیده

اینترنت اشیاء یکی از فناوریهای آینده نگرانه بوده که منجر به مفهوم اتوماسیون در بسیاری از کارهای روزمره می شود. اینترنت اشیاء، تقریبا خود را در همه ی سکوهای کاربردی ممکن تعریف کرده است . کاربست این فناوری در سیستم های مراقبت های بهداشتی در صدر توجه محققان می باشد. هدف روش تحقیق از بکارگیری این فناوری، ارائه ی یک سیستم تشخیص ریسک سلامتی مادران به ویژه در مکانهایی بوده که امکان کمتری به دسترسی پزشک دارند. در این راستا الگوریتم های یادگیری ماشین نقش کلیدی را در ایجاد یک سیستم تصمیم گیری ایفا می کنند. در پیشینه ی تحقیق ، بهینه سازیهای مختلف در زمینه بهبود سیستم تصمیم با توجه به داده های بالینی جمع آوری شده انجام گرفت . ادغام الگوریتم های مختلف یادگیری ماشین ، مهندسی ویژگی و شناسایی دادههای نویزی برخی از کارهای انجام گرفته در این حوزه است و همچنین بهینه سازی برای موضوعات مختلفی بهداشتی و درمانی ادامه دارد. در این پژوهش ، روشی مبتنی بر یادگیری ماشین جهت تشخیص وضعیت ریسک سلامت مادران در بستر ایننترنت اشیاء و نظارت افراد از راه دور ارائه می شود. عملیات حذف داده های دورافتاده، توصیه ی ویژگی ها با رویکردهای مبتنی بر قانون و کی -میانگین منجر به استخراج بردار ویژگی بهینه می گردد. طبقه بندی شبکه ی عصبی پیش خور عمیق با بهینه سازی پارامتری الگوریتم جستجوی کلاغ حاکی از دقت %۶۹۵/۹۸ در تشخیص وضعیت ریسک سلامت مادران روی بردار بهینه دارد.

کلیدواژه ها

پیش بینی وضعیت سلامت مادران باردار، اینترنت اشیاء، الگوریتم جستجوی کلاغ، شبکه ی عصبی پیش خور عمیق

مقالات مرتبط جدید

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.