تشخیص باکتری ای کولای Escherichia coli آلوده در نمونه های ادراری بیماران توسط داده کاوی

تعداد و اندازه پایگاه دادههای پزشکی به سرعت در حال افزایش است و مدلهای توسعه یافته تکنیک دادهکاوی میتوانند برای پزشکان جهت کمک در تصمیمگیری موثر و کاربردی باشند. هدف اصلی از این مقاله، گزارش یک پروژهتحقیقاتی به منظور مقایسه الگوریتمهای داده کاوی از طریق مقایسه دقت، ویژگی و سرعت بین آنها، جهت انتخاب دقیقترین مدل برای تشخیص فعالیت باکتری ایکولای بوده است. در حقیقت بیان کاربرد عملی داده کاوی در حوزهتشخیص فعالیت باکترها با استفاده از دادههای ثبت شده در پایگاه داده است که به فراهم کردن اطلاعات ضروری و دانش مورد نیاز پزشکان در تصمیم گیری بهتر کمک میکند. با استفاده از الگوریتمFuzzy C-Means فعالیت باکتریها دربیماران به سه دسته نرمال، فعال و نیمه فعال تقسیم گردید. نتایج بدست آمده نشان داد که الگوریتم FCM از نظر دقت با الگوریتمDEبرابری دارد اما از نظر سرعت الگوریتمFCMنسبت به الگوریتمDEبهتر عمل میکند.

کلیدواژه ها:

باکتری ای کولای ، دادهکاوی ، الگوریتم تکامل تفاضلی ، الگوریتمFuzzy C-Means