مروری جامع بر پیش بینی بیماری کبد با تکنیک های داده کاوی

در دنیای پزشکی امروز، با توجه به افزایش قابل توجه تعداد بیماران کبدی، یکی از سریعترین و در دسترس ترین تکنیک هایتشخیص بیماری بر مبنای داده کاوی است. یک چالش مهم در این حوزه، تشخیص سریع و زودهنگام بیماری می باشد. داده کاوینقش مهمی را در صنعت بهداشت ودرمان ایفا می کند و یک چشم انداز مفیدی برای محققان در پیش بینی بیماری کبد به ارمغان می-آورد. زیرا می تواند حجم عظیمی از داده های مرتبط به این بیماری را کشف کند. تکنیک های مختلف داده کاوی می توانند جلوگیری ازپیشرفت بیماری کبد کنند و در نهایت، کیفیت مراقبت های بهداشتی را برای بیماران کبدی بهبود بخشند. هدف اصلی این تحقیق،مقایسه کارایی الگوریتم هایی است که برای پیش بینی بیماری کبد چرب با اسسفاده از تکنیک های داده کاوی استفاده شده است. دراین مقاله، طبقه بندهای یادگیری ماشین (درخت تصمیم child, C5.0، شبکه عصبی مصنوعی و رگرسیون لجسسیک) برای طبقه بندی بیماران کبدی مقایسه می شود.

کلیدواژه ها:

داده کاوی ، کبدچرب ، صحت ، تکنیک های داده کاوی ، درخت تصمیم child ، C5.0 ، شبکه عصبی مصنوعی ، رگرسیون لجسسیک