سیده سمیه زرین موسوی - دانشجوی کارشناسی ارشد دانشگاه بین المللی امام خمینی (ره) قزوین
مرتضی محمدی زنجیره - استادیار گروه کامپیوتر دانشگاه بین المللی امام خمینی (ره) قزوین
شهاب نوریان - استادیار دانشگاه علوم پزشکی البرز

کم کاری مادرزادی تیرویید یکی از شایعترین بیماری های غدد درونریز در کودکان است. با توجه به شیوع بالای اینبیماری در ایران و اثرات ناخوشایند عوارض این بیماری از قبیل اختلالات رشدی و عقب ماندگی ذهنی و بار مالیسنگینی که ارایه خدمات و مراقبت از این کودکان بر اقتصاد جامعه دارد، نیاز به تدابیر پیشگیرانه و تشخیص درستاحساس می شود. بنابراین با استفاده از الگوریتم های داده کاوی جهت تشخیص بیماری کمکاری مادرزادی تیرویید،علاوه بر اینکه میتوان پزشکان را در تصمیم گیری بهتر یاری کرد، بلکه میتوان باعث آشکار شدن برخی الگوهایپنهان و ناشناخته شد که شاید توجه خاصی به آن نبوده است و در پیشگیری، تشخیص و درمان این بیماری به پزشکان وبیماران کمک کرد.در این پژوهش، داده های مربوط به تعداد 5248 نوزاد مشکوک به بیماری کمکاری مادرزادیتیرویید که جهت غربالگری مادرزادی تیرویید در سال 1395 به مراکز بهداشت شهرستان های استان البرز مراجعه نمودهاند، مورد بررسی قرار گرفت. پس از بررسی توزیع داده های موجود، مشخص شد که کلاس داده ها به شدت نامتوازنهستند. پس از آماده سازی داده ها، مدلسازی در دو مرحله انجام می شود. در مرحله اول مدلسازی از طریق الگوریتمماشین بردارپشتیبان انجام میشود. در مرحله دوم، به علت نامتوازن بودن کلاس داده های موجود و جهت رفع این مشکلاز تکنیک های بگینگ کمک گرفته می شود. بنابراین از الگوریتم بگینگ به همراه الگوریتم پایه ماشین بردارپشتیباناستفاده میشود. پس از مقایسه روشهای ذکر شده ترکیب الگوریتم بگینگ با الگوریتم پایه ماشین بردار پشتیبان با دقت100 درصد در انجام دسته بندی، به عنوان بهترین الگوریتم در تشخیص بیماری کمکاری مادرزادی تیرویید معرفی می شود.

داده کاوی پزشکی، غربالگری کم کاری مادرزادی تیرویید، داده های نامتوازن، بگینگ