بهینه سازی نرم روش های درمان بیماری های مغز و اعصاب با استفاده از داده کاوی

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 156

فایل این مقاله در 11 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:

IRCMMS09_038

تاریخ نمایه سازی: 28 آبان 1403

چکیده مقاله:

زمینه و هدفبا توجه به پیشرفت های روزافزون تکنولوژی در زمینه های مختلف، برخی از داده ها جمع آوری و برای اهداف مختلف پردازش شده اند. داده کاوی، فرآیندی است که به تعیین، تجزیه و تحلیل اطلاعات پنهان از دیدگاه های متفاوت برای دستیابی به دانش مفید می پردازد. داده کاوی دارای کاربردهای مختلفی است که یکی از آن ها تشخیص بیماری های مختلف در حوزه پزشکی است. هدف از این پژوهش پیش بینی بیماری های حوزه ی مغز و اعصاب با استفاده از تکنیک های داده کاوی می باشد.مواد و روش ها: در این پژوهش سعی شده است بعد آماده سازی داده ها، پیش بینی بیماری با استفاده از روش های ماتریس های بزرگ و تکنیک های داده کاوی صورت گیرد. با بررسی بردار جدید می توان متوجه شد که این بیماری جدید با علائم جدید با استفاده از سطرهای ماتریس، به ترتیب به کدام یک از بیماری های ماتریس نزدیک تر خواهد بود. پژوهش صورت گرفته از جمله مطالعات توصیفی-تحلیلی و کاربردی است.یافته ها: در این تحقیق از مترهای مختلف اعم از منهتن، شباهت کسینوسی، پیرسون، مینکوفسکی و K نزدیک ترین همسایه استفاده کردیم و با استفاده از نرم افزار پایتون، برنامه ای را جهت پیش بینی بیماری های مغز و اعصاب پیاده سازی کردیم.نتیجه گیری: در الگوریتم پیاده سازی شده توسط نرم افزار پایتون ، پزشک علائم بیمار را وارد می کند و خروجی برنامه هر متر سه بیماری نزدیک به علائم ورودی نشان می دهد و در نهایت تمام مترها باهم مقایسه می شوند و در هر بار اجرا، متری که نتیجه ضعیف تری دارد مشخص می شود. مزیت های هرکدام از این مترها در ادامه توضیح داده شده است.

کلیدواژه ها:

نویسندگان

شبنم ضرغامی

دانشجوی دکتری، گروه ریاضی، دانشگاه قم، شهر قم،ایران

غلام حسن شیردل

دانشیار، گروه ریاضی، دانشگاه قم، قم، ایران

مجتبی قنبری

استادیار، گروه ریاضی، دانشگاه آزاد فراهان، شهر فراهان، ایران

محمدرضا اسکندری

فوق تخصص اعصاب و روان.دانشگاه هاروارد . امریکا