بکارگیری شبکه عصبی در تشخیص بیماری نارسایی قلبی با استفاده از داده های پزشکی
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 510
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CONFITC04_177
تاریخ نمایه سازی: 6 مهر 1397
چکیده مقاله:
تصمیم گیری جوهره مدیریت است با توجه به اینکه تصمیم گیری بدون وجود اطلاعات و برقراری ارتباطات لازم میسرنیست، پایه اجرایی چنین وظیفه ای فراهم آوردن اطلاعات لازم برای مدیریت است. به دلیل اهمیت شیوه های تصمیمگیری مدیران بیمارستان ها در پیشبرد اهداف بیمارستان و اهمیت قدرت پیش بینی آنان در حل مشکلات درمانی بیماران،این مطالعه با هدف استفاده مدیران بیمارستان ها از نتایج حاصل از داده کاوی سیستم های اطلاعات بیمارستانی و طراحیمدلی هوشمندبوسیله ی یادگیری ماشین، جهت پیش بینی دقیق تر و تصمیم گیری بهتر و موثرتر برای درمان بیمارانصورت گرفته است. داده های مورد استفاده در این مطالعه، مربوط به اطلاعات 297 بیمار است که از انبار داده سایتUCI استخراج شده و شامل 14 متغیر می باشد. از سه مدل svm, k-means و شبکه عصبی که از جمله پر کاربردترین ابزارهای کلاس بندی در داده کاوی ویادگیری ماشین هستند، برای پیش بینی مبتلا بودن به بیماری قلبیاستفاده شده و دقت پیش بینی مدل ها مورد مقایسه قرار گرفته است .بر اساس نتایج مشاهده می شود که مدل شبکهعصبی با ساختار پرسپترون چندلایه با دقتی برابر با 89/9% عمل کلاس بندی را برای مجموعه مشاهدات آزمون انجام داده اما svm با کرنل RBF این دقت را بهبود می بخشد و به 93% می رساند.
کلیدواژه ها:
نویسندگان
محبوبه نیک خواه
دانشجوی کارشناسی ارشدمهندسی کامپیوتر، گروه کامپیوتر، دانشکده مهندسی، دانشگاه خیام، مشهد،ایران
سیدحسن طاهری
استادیارگروه کامپیوتر، دانشکده مهندسی، دانشگاه خیام، مشهد، ایران