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

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

تعداد صفحات: 6 | تعداد نمایش خلاصه: 309 | نظرات: 0
سال انتشار: 1395
کد COI مقاله: ICCSE01_264
زبان مقاله: فارسی
(فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

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

مینا فتحی - دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
محمد نادری دهکردی - دانشکده مهندسی کامپیوتر، واحد نجفآباد، دانشگاه آزاد اسلامی، نجفآباد، ایران

چکیده مقاله:

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 كاوي، كبدچرب، صحت، تكنيك هاي داده كاوي، درخت تصميم child, C5.0، شبكه عصبي مصنوعي، رگرسيون لجسسيك

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/648416/

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:
فتحی، مینا و نادری دهکردی، محمد،1395،مروری جامع بر پیش بینی بیماری کبد با تکنیک های داده کاوی،کنفرانس بین المللی مهندسی و علوم کامپیوتر،نجف آباد،،،https://civilica.com/doc/648416

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، فتحی، مینا؛ محمد نادری دهکردی)
برای بار دوم به بعد: (1395، فتحی؛ نادری دهکردی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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: 8,366
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