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 ارزیابی روش های یادگیری ماشین جهت پیش بینی احتمال بستری مجدد بیماران قلبی

سال انتشار: 1395
کد COI مقاله: COMCONF03_086
زبان مقاله: فارسیمشاهد این مقاله: 235
فایل این مقاله در 9 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 9 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 ارزیابی روش های یادگیری ماشین جهت پیش بینی احتمال بستری مجدد بیماران قلبی

سید مهدی جامعی - عضو هیات علمی گروه کامپیوتر، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران
رعنا آخوندی - دانشجوی کارشناسی ارشد گروه کامپیوتر، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران

چکیده مقاله:

از آنجایی که افزایش نرخ بستری مجدد بیماران هزینه های زیادی را در پی خواهد داشت، هدف از ارایه این مقاله طراحی مدل هایی است که بتواند خطر بستری مجدد بیماران را پیش بینی کند و تا حدود زیادی این هزینه ها را کاهش دهد. در این مقاله، برخی الگوریتم های داده کاوی و یادگیری ماشین برای پیش بینی احتمال بستری مجدد بیماران قلبی مورد بررسی قرار گرفته است. از آنجایی که تنها داده ای که برای این مدل ها در دسترس است سوابق پزشکی بیماران می باشد، تنها ابزارهای امیدوار کننده که می توانند الگوهای توصیفی برای بستری مجدد را از این داده ها استخراج کنند، الگوریتم های یادگیری ماشین هستند. این الگوریتم ها از جنبه های مختلفی مقایسه می شوند. هر کدام از روش ها از نظر قابلیتی بر دیگری ارجحیت دارند. با به کارگیری و پیاده سازی روش هایی با دقت و صحت عملکرد بالا می توان خطر بستری مجدد بیماران را پیش بینی کرده و به میزان قابل توجهی در هزینه ها صرفه جویی کرد.

کلیدواژه ها:

مدل پیش بینی خطر، یادگیری ماشین، بستری مجدد بیماران قلبی

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/576529/

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:
جامعی، سید مهدی و آخوندی، رعنا،1395،بررسی و ارزیابی روش های یادگیری ماشین جهت پیش بینی احتمال بستری مجدد بیماران قلبی،سومین کنفرانس سراسری نوآوری های اخیر در مهندسی برق و کامپیوتر،تهران،،،https://civilica.com/doc/576529

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: (1395، جامعی، سید مهدی؛ رعنا آخوندی)
برای بار دوم به بعد: (1395، جامعی؛ آخوندی)
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 :

  • W.Dai, T.S. Brisimi, W.G. Adams, T.Mela, V.Saligrama, I.Ch. Paschalidis. (2014), ...
  • Zheng, B. Zhang, J. Yoon, S.W. Lam, S.S. Khasawneh, M. ...
  • _ Garrison, G.M. Mansukhani, M.P. Bohn, B. (2013), "Predictors of ...
  • Kramer, A. Higgins, T. Zimmerman, J. (2012), "Intensive care unit ...
  • Kociol, R.D. Lopes, R.D. Clare, R. Thomas, L. Mehta, R.H. ...
  • Bertsimas, D. Bjarnadottir, M.V. Kane, M.A. et al. (2008), "Algorithm ...
  • Hammill, B.G. Curtis, L.H. Fonarow, G.C. Heidenreich, P.A. Yancy, C.W. ...
  • Vaithianathan, R. Jiang, N. Ashton, T. (2012), "A model for ...
  • Cho, I. Park, I. Kim, E. et al. (2013), "Using ...
  • Hilbert, J.P. Zasadil, S. Keyser, D.J. Peele, P.B. (2014), "Using ...
  • 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 آزاد
    تعداد مقالات: 1,626
    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