ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پیش بینی بیماری قلبی با استفاده از داده کاوی با الگوریتم Mapreduce

سال انتشار: 1398
کد COI مقاله: SMARTCITYC01_048
زبان مقاله: فارسیمشاهده این مقاله: 315
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

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.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی بیماری قلبی با استفاده از داده کاوی با الگوریتم Mapreduce

فاطمه موقتی جهرمی - موسسه آموزش عالی آپادانا
حسن خدابنده - موسسه آموزش عالی آپادانا
هاله همایونی - موسسه آموزش عالی آپادانا
کیمیا بازرگان لاری - موسسه آموزش عالی آپادانا

چکیده مقاله:

سازمان بهداشت جهانی WHO برآورد کرده است که بیماری های قلبی عروقی WHD علت اصلی مرگ و میر در سطح جهان و همچنین در هند است. این بیماری ها توسط اختلالات قلب و عروق خونی ایجاد می شوند و شامل بیماری های قلبی عروقی (حملات قلبی) می شوند، داده کاوی نقش اصلی در ساخت یک مدل پیش بینی برای سیستم های مراقبت سلامتی برای تشخیص بیماری قلبی ( HD ) با استفاده از داده های بیمار دارد، که به پزشکان در کاهش مرگ و میر ناشی از بیماری های قلبی کمک می کند. چندین تحقیق برای ساخت مدل با استفاده از روش های جداگانه یا با ترکیب داده کاوی با تکنیک های محاسباتی شامل درخت تصمیم گیری ( DT) ، نائوی بایس ( NB) همراه با رویکرد متا هویز، شبکه عصبی آموزش داده شده ( NN )، هوش مصنوعی یا AI و الگوریتم های یادگیری بدون نظارت مانند KNN و ماشین بردار پشتیبانی SVM ، انجام شده است. در سیستم پیشنهادی، مجموعه بزرگ نمونه های پزشکی بهعنوان ورودی مورد استفاده قرار می گیرد. هدف از این مجموعه داده های پزشکی، استخراج اطلاعات مورد نیاز از سابقه بیماران قلبی با استفاده از روش Mapreduce است. عملکرد الگوریتم پیشنهادی Mapreduce در سیستم های موازی و توزیع شده با استفاده از داده های کلیولند و با روش ANN پیش بینی شده مقایسه شد. نتایج آزمایشات تایید می کنند که روش پیش بینی شده می تواند به دقت پیش بینی 98 ٪ دست یابد که بیشتر از شبکه عصبی فازی عادی است. علاوه بر این، این روش Mapreduce همچنین عملکرد بهتر از روش های قبلی دارد که دقت پیش بینی در محدوده 95 - 98 ٪ را گزارش می داد. این یافته ها نشان می دهد که روش Mapreduce برای پیش بینی دقیق خطرات HD در کلینیک مورد استفاده قرار می گیرد

کلیدواژه ها:

داده کاوی ، بیماری های قلبی عروقی - CVD ، دقت ، پیش بینی ، بیماری قلبی HD ، شبکه عصبی فازی مجدد RFNN ، Mapreduce ، سازمان بهداشت جهانی WHO

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا SMARTCITYC01_048 میباشد و 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/998550/

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:
موقتی جهرمی، فاطمه و خدابنده، حسن و همایونی، هاله و بازرگان لاری، کیمیا،1398،پیش بینی بیماری قلبی با استفاده از داده کاوی با الگوریتم Mapreduce،نخستین کنفرانس بین المللی شهر هوشمند چالش ها و راهبردها،شیراز،https://civilica.com/doc/998550

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: (1398، موقتی جهرمی، فاطمه؛ حسن خدابنده و هاله همایونی و کیمیا بازرگان لاری)
برای بار دوم به بعد: (1398، موقتی جهرمی؛ خدابنده و همایونی و بازرگان لاری)
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: موسسه غیرانتفاعی
تعداد مقالات: 1,250
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