ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بررسی و مقایسه تکنیکهای مبتنی بر دادهکاوی در تشخیص بیماری هپاتیت

سال انتشار: 1394
کد COI مقاله: NSOECE01_173
زبان مقاله: فارسیمشاهد این مقاله: 746
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 13 صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بررسی و مقایسه تکنیکهای مبتنی بر دادهکاوی در تشخیص بیماری هپاتیت

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

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:

تشخیص هپاتیت، داده کاوی، درخت تصمیم گیری، شبکه های عصبی، svm

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/383444/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ابراهیمی، منصور و روستا، مهدی و فرجامی، یعقوب،1394،بررسی و مقایسه تکنیکهای مبتنی بر دادهکاوی در تشخیص بیماری هپاتیت،کنفرانس بین المللی سیستمهای غیر خطی و بهینه سازی مهندسی برق و کامپیوتر،،،https://civilica.com/doc/383444

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394، ابراهیمی، منصور؛ مهدی روستا و یعقوب فرجامی)
برای بار دوم به بعد: (1394، ابراهیمی؛ روستا و فرجامی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • داده کاوی در پزشکی [مقاله کنفرانسی]
  • عربی، نوید؛ راستین، نیلوفر؛ جعفری، شهرام، 1392، اولین همایش ملی ...
  • T. Mitchell, Machine Learning. New York: McGraw-Hill, 1997. ...
  • CruzKemal Polat _ Salih Gunes. 2007. Medical decision support system ...
  • M.Neshat, M.Yaghobi. 2009. Designing a Fuzzy Expert System of Diagnosing ...
  • G. Eason, B.Noble, and I. N. Sneddon, _ certain integrals ...
  • Sathyadevi, G. "Application of CART algorithm in hepatitis disease diagnosis ...
  • E. Dogantekin and A. Dogantekin, _ hepatitis diagnosis system based ...
  • Tahseen A Jilani, Huda Yasin and Madiha Mohammad Yasin. Article: ...
  • J.P.Marques de Sa , "Applied statistics: using SPSS, STATISTICA, and ...
  • K.Rpbert, S.Mika; "An Introduction of Kernel Based Learning Algorithms", IEEE ...
  • SPSS Inc. :Clementine 12.0 Algorithm Guide". http://www. spSs.com 105, 1999. ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 4,252
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی