طراحی سیستمی برای تشخیص بیماری آنمی فقر آهن با استفاده از الگوریتم های داده کاوی

طراحی سیستمی برای تشخیص بیماری آنمی فقر آهن با استفاده از الگوریتم های داده کاوی


  • 375 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 
در دنیای پزشکی امروز، داده های مربوط به علائم بیماران مبتلا به بیماری های گوناگون و نتایج روشهای کمکی برای تشخیص این بیماری ها، بسیار وسیع و گسترده هستند. به طوری که معمولا تحلیل و در نظر گرفتن همه جانبه ی کلیه عوامل دخیل توسط فرد، دشوار به نظر می آید. اینجاست که نیاز به یک سیستم مکانیزه برای کمک به کشف الگوهای موجود و هم چنین پیش بینی رخدادهای آتی کاملا احساس می۔ شود. دانش داده کاوی به عنوان ارائه کننده این سیستم مکانیزه کمک های شایانی در پیشرفت های پزشکی به ویژه در زمینه تشخیص بیماری های گوناگون کرده است.

نتیجه 
نتایج بدست آمده نشان می دهند که دقت روش پیشنهادی در دسته بندی مجموعه داده های پزشکی قابل رقابت با الگوریتمهای مطرحی مانند شبکه های عصبی، NaiveBayes، C4 . 5 Knnو SVM و یا حتی بهتر از این روشها می باشد. همچنین با توجه به اینکه روش پیشنهادی مبتنی بر قانون می باشد، بنابراین این الگوریتم دارای قابلیت تفسیر مناسبی است. اما شاید مهمترین مشکل استفاده از الگوریتم مکاشفه ای مانند کلونی مورچه ها، زمان پردازشی زیاد آنها می باشد. در الگوریتم پیشنهادی، از یک مدل مبتنی بر همکاری استفاده شده است که زمان پردازشی را بسیار کاهش داده است. علاوه بر آن یک نسخه ی موازی از الگوریتم ایجاد شده است تا زمان آموزش دسته بند را باز هم کاهش دهد.

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. 

چه چیزی داده کاوی نیست؟

داده کاوی چیست؟

آموزش ابزارِ داده کاوی رپیدماینر

در مورد داده کاوی سلامت

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.