بررسی و مقایسه تکنیکهای مبتنی بر دادهکاوی در تشخیص بیماری هپاتیت

سال انتشار: 1394
محل انتشار: کنفرانس بین المللی سیستمهای غیر خطی و بهینه سازی مهندسی برق و کامپیوتر
کد COI اختصاصی: NSOECE01_173
زبان مقاله: فارسی
تعداد مشاهده: 1388

دانلود فایل این مقاله

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

چکیده

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

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.