پیش بینی اهداء خون با استفاده از داده کاوی بر پایه الگوریتم های درخت تصمیم، KNN، SVM و MLP

اهدای خون به دلیل نقش حیاتی و حساسی که در امر حفظ سلامت و بقاء زندگی انسان دارد مورد توجه می باشد. در جهان امروز علیرغم تحول عظیم علمی و با وجود پیشرفت های بزرگی که در علوم پزشکی رخ داده است، هنوز تامین کافی خون سالم یکی از چالش ها و دغدغه های مجامع پزشکی جهان است. حفظ و تامین حجم خون مورد نیاز در بانک های خون هر مرکز انتقال خون در هر منطقه، گروه های متنوع خونی و ارتباطاتی که بین آن ها وجود دارد و با فرض اینکه یکسری گروه های خونی کمیاب تر می باشند، پیش بینی و برنامه ریزی اهداء خون را در طول زمان مهم تر و پیچیده تر می کند. استفاده از داده کاوی در پایگاه های داده بیمارستان ها و مراکز انتقال خون به کشف روابط کمک می کند تا آن ها بتوانند بر مبنای گذشته یک پیش بینی از آینده داشته باشند، و بتوانند به بهترین شکل برای کمک، تشخیص و درمان های پزشکی موفق بیماری های مختلف را شناسایی کرده و الگوهای جراحات جدید را نشان دهند. در این مقاله سعی شدهاست تا در سطوح تصمیم گیری مربوط به حوزه مذکور، از تکنیک های داده کاوی و یادگیری ماشین برای پیش بینی اهداء خون استفاده شود تا با استفاده از این مکانیزم بتوانیم پیش بینی کنیم که در بازه های زمانی مختلف، چه میزان خون به بانک ها و مراکز انتقال خون اهداء خواهد شد که در این صورت بتوانیم حجم خون مورد نیاز بانک های خون مناطق مختلف را تخمین و تامین نمائیم. در همین راستا از چند الگوریتم طبقه بندی در یادگیری با نظارت از جمله الگوریتم های درخت تصمیم، KNN، SVM و MLP که یکی از انواع شبکه های مصنوعی عصبی (ANN) می باشد، برای پیش بینی استفاده شده و نتایج میزان دقت هر کدام ارائه شده است.

کلیدواژه ها:

داده کاوی ، یادگیری ماشین ، درخت تصمیم ، K- نزدیکترین همسایه ، ماشین بردارپشتیبان ، شبکه عصبی مصنوعی