بررسی و مقایسه تکنیکهای مبتنی بر دادهکاوی در تشخیص بیماری هپاتیت
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,375
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NSOECE01_173
تاریخ نمایه سازی: 1 مهر 1394
چکیده مقاله:
افزایش روز افزون پیشرفت در زمینه تکنولوژی اطلاعات، باعث شده که رشد چشم گیری در علوم مختلف بوجود آید. یکی از این رشته ها که تغییر در آن قابل ملاحظه است، رشته پزشکی می باشد. استفاده از تکنیک های داده کاوی در این شاخه از علم باعث شده است که در کلیه مباحث، مخصوصاً بحث تشخیص بیماری ها کمک بسیاری به پزشکان شود. تشخیص بیماری هپاتیت با توجه به علائم بالینی اندکی که در مراحل اولیه دارد، بسیار دشوار است. بدین منظور در این مقاله سعی شده است تا ضمن مقایسه روش های متداول دسته بندی نظیر درخت تصمیم گیری، شبکه های عصبی و svm مناسب ترین روش به منظور تشخیص بیماری هپاتیت معرفی و پیشنهاد گردد. معیار ارزیابی روش های دسته بندی میزان دقت هر روش بوده و برای تست هر روش از نرم افزار clementine و پایگاه داده واقع در مخزن داده دانشگاه کالیفرنیا استفاده شده است. نتایج به دست آمده نشان می دهد که الگوریتم شبکه های عصبی دقت بالاتری نسبت به سایر الگوریتم ها دارد. با استفاده از الگوریتم شبکه های عصبی می توان با دقت 89.74% بیماری هپاتیت را پیش بینی کرد.
کلیدواژه ها:
نویسندگان
منصور ابراهیمی
دانشیار گروه زیستشناسی دانشگاه قم
مهدی روستا
دانشجوی کارشناسی ارشد، مهندسی فناوری اطلاعات، دانشگاه قم
یعقوب فرجامی
عضو هیئت علمی گروه مهندسی فناوری اطلاعات،دانشگاه قم
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 :