طراحی و پیاده سازی یک سیستم هوشمند برای تشخیص بیماری دیابت نوع 2 به کمک الگوریتم های داده کاوی

طراحی و پیاده سازی یک سیستم هوشمند برای تشخیص بیماری دیابت نوع 2 به کمک الگوریتم های داده کاوی


  • 511 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

داده کاوی چیست؟

مقدمه ای بر داده کاوی سلامت 

ابزارهای داده کاوی

در این پایان نامه مقوله داده کاوی و تکنیک های آن مورد بررسی قرار گرفت. همچنین از میان روش های دسته بندی و پیش بینی در وکا درخت تصمیم به عنوان یکی از ابزارهای قوی و متداول در داده کاوی که درک ، پیاده سازی و کاربرد آسان و از نظر محاسباتی ارزان می باشد مورد بحث قرار گرفت .با توجه به اهمیت و حساسیت داده کاوی در پزشکی و همچنین نیاز مبرم این صنعت به حرکت از پزشکی سنتی به سمت پزشکی مبتنی بر شواهد لذا در این مقاله کاربرد داده کاوی در عرصه ی سلامت مورد بررسی قرار گرفت. نتایج بدست آمده روی مجموعه بیماران دیابتی نشان می دهد که در میان روش های طبقه بندی ، درخت تصمیم با بیش از 93% نتیجه بهتری را بدست می آورد و الگوریتم بیزین ساده نیز دقت کمتری نسبت به سایر روش طبقه بندی دارد وما توانستیم در این پژوهش بیش از 5 %درصد میزان دقت در تشخیص بیماری دیابت نوع 2 را نسبت به سایر پژوهشگران ارتقاء دهیم اما با توجه به مطالعه سایر مقاالت در زمینه تشخیص دیابت نوع 2 حاکی از آن است که هرگز نمی توان الگوریتمی را به عنوان الگوریتم بهینه معرفی کرد در نتیجه برای هر کاربرد با توجه به مجموعه داده مورد استفاده می توان الگوریتمی را به عنوان الگوریتم بهینه معرفی نمود. پیشنهادات عبارتند از: 
1- مقایسه اثر بخشی مراقبت و درمان قبل از اجرای داده کاوی و بعد از اجرای آن در مراکز سلامت .
2- استفاده از الگوریتم های svm و شبکه های عصبی برای تشخیص بیماری دیابت نوع 2 و مقایسه آن با سایر الگوریتم های اجرایی.
3- پیشنهاد درمانی برای بیماری با استفاده از داده کاوی.

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

اگر به پژوهش در حوزه استفاده از داده کاوی برای پیش بینی بیماری علاقه مند هستید توصیه می شود حتما مجموعه استثنائی و بی نظیر مجموعه مقالات فارسی شامل بیش از دویست مقاله در مورد پیش بینی و تشخیص بیماری دیابت  و مجموعه های مشابه  را تهیه بفرمایید.

اگر در زمینه استفاده از داده کاوی برای پیش بینی بیماری 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.


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.