تشخیص بیماری هپاتیت با ترکیب روشهای داده کاوی

تشخیص بیماری هپاتیت با ترکیب روشهای داده کاوی


  • 323 بازدید

 آکادمی داده  که به زودی پنجمین سال فعالیت خود را جشن می گیرد سالهاست به دنبال ایجاد محتوای مفید برای علاقه مندان علوم داده‌کاوی، متن کاوی و علوم مرتبط با علم داده، مدیریت دانش، هوش تجاری و مباحث مرتبط است.  آکادمی داده  امیدوار است با این اقدامات بتواند اثری هر چند اندک در افزایش آگاهی علاقه مندان به این حوزه ها داشته باشد. در این سری مقالات  آکادمی داده  تلاش دارد مقالات جالب، جدید، پر محتوا و اثرگزار را در علوم داده‌کاوی، متن کاوی، مدیریت دانش، هوش تجاری و مباحث مرتبط ارایه نماید. در این سری مقالات ابتدا مقدمه و سپس نتیجه گیری مقالات ارایه شده است و سپس‌ فایل پی دی اف مقاله برای دانلود رایگان علاقه مندان توسط  آکادمی داده تهیه شده و قابل دانلود است.

چکیده
موضوع: داده کاوی یکی از علوم جدید و تاثیر گذار می باشد که به کمک علم پزشکی آمده است. داده کاوی در بسیاری از زمینه های پزشکی مانند تشخیص و درمان بیماری ها می تواند به تصمیم گیری بهتر پزشک کمک کند.
 هدف: با توجه به کشنده بودن بیماری هپاتیت، عوامل تاثیر گذار بر روی این بیماری باید به درستی شناخته شوند. در این تحقیق قصد داریم مدلی ترکیبی از داده کاوی ارائه دهیم تا ضمن تعیین ویژگی های مهم بیماری هپاتیت بالاترین دقت در پیش بینی قابلیت زندگی افراد مبتلا به هپاتیت را ارائه دهد. 
روش تحقیق: در ابتدا داده های مفقوده هپاتیت با اعمال یک روش پر می شوند. در ادامه داده هایه روش رگرسیون خطی برای انتخاب ویژگی و پیش بینی داده می شود. در نهایت ویژگی های انتخاب شده به ماشین بردار پشتیبان برای پیش بینی داده می شود.
نتیجه نتایج تحقیق بدست آمده نشان می دهد که این مدل با کاهش ۸% ویژگی ها(حذف ۱۳ ویژگی از ۱۹ ویژگی) با دقت % ۹۷۶۲ پیش بینی را انجام داده است.

چه چیزی داده کاوی نیست؟

داده کاوی چیست؟

آموزش ابزارِ داده کاوی رپیدماینر

در مورد داده کاوی سلامت

-بحث و کار آینده
در این تحقیق یک مدل ترکیبی برای قابلیت زنده ماندن بیماران هپاتیت ارئه گردید. این مدل ترکیبی از رگرسیون منطقی و ماشین بردار پشتیبان بود. رگرسیون منطقی انتخاب ویژگی را انجام داد و ماشین بردار پشتیبان بر اساس ویژگی های گرفته شده کار پیش بینی را انجام داد.
همانطور که در قسمت نتایج اشاره شد، دقت این مدل بسیار بالا می باشد. کارایی مدل با توجه به مقایسه انجام شده با سایر تحقیقات قابل مشهود می باشد. نکته قابل توجه اینکه این میزان دقت فقط با 6 ویژگی از ۱۹ ویژگی بدست آمده است. 
با توجه به نتایج بدست آمده، می توان از این مدل برای سایر موضوعات پزشکی و غیر پزشکی استفاده کرد. همچنین از سایر ترکیب روشهای دسته بندی مانند شبکه عصبی و نزدیکترین همسایگی می توان استفاده نمود.

این مقاله توسط آکادمی داده تهیه شده است و از طریق لینک قابل دسترسی است. محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر در حال پژوهش در حوزه داده کاوی هستید، سوالات و اشکالات خود را از طریق تلگرام با آکادمی داده در میان بگذارید. با عضو شدن در کانال تلگرام  آکادمی داده از مقالات جدید و دیتاست های منتشر شده مطلع شوید. 

مجموعه مقالات فارسی به صورت یکجا نیز از طریق لینک قابل دسترسی هستند. 

اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.