مروری بر استفاده از روش های داده کاوی برای پیشگیری و تشخیص بیماری سل

مروری بر استفاده از روش های داده کاوی برای پیشگیری و تشخیص بیماری سل


  • 199 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.

چكیده 
بیماری سل که بزرگترین علت مرگ ناشی از بیماری های عفونی تک عاملی است. دارای مرتبه دهم در بار جهانی بیماری ها است و پیش بینی می شود تا سال همچنان 2020 جایگاه کنونی خود را حفظ کند و یا تا رتبه هفتم بالا رود. هدف اصلی این مطالعه، بررسی استفاده از روش های داده کاوی برای شناسایی و تشخیص بیماری سل است. پیچیدگی و زمان بر بودن تشخیص بیماری سل باعث گردیده تا محققان دست به ابداع روش ها بزنند یی که با سرعت بالا و انجام محاسبات کمتر به نتایج قابل قبول دست یابند. یكی از روش های جمع آوری اطلاعات در بیماری سل، داده کاوی است. تاکنون تحقیقات زیادی در مورد استفاده از روش های داده کاوی برای تشخیص بیمار ها انجام گرفته که استفاده از داده کاوی در تشخیص بیماری سل نیز از جمله آنهاست. در تحقیقات صورت گرفته نیز بیشتر از تكنیک های درخت تصمیم و شبكه عصبی استفاده شده است. با بررسی تحقیقات گذشته می توان نتیجه گرفت که بهترین مدل ایجاد شده درخت تصمیم 5.C4. بود با بكارگیری قوانین ایجاد شده برای یک نمونه جدید با ویژگیهای مشخص می توان در زمان کمتری تعیین کرد که احتمال ابتلا به بیماری سل چقدر است.

چه چیزی داده کاوی نیست؟

داده کاوی چیست؟

آموزش ابزارِ داده کاوی رپیدماینر

در مورد داده کاوی سلامت

نتیجه گیری 
مخاطرات بیماری سل و راه های تشخیص زمان بر است و این مشکل باعث گردیده است تا محققان زیادی به ساخت روش های جدید برای تشخیص این بیماری بپردازند. در این میان روش های داده کاوی به دلیل سرعت عمل و اطمینان تسیی از نتایج بیشتر مورد توجه قرار گرفته است.
اقدامات صورت گرفته در مورد بیماری سل تشان می دهد که ترکیبی از روش های داده کاوی می تواند به همراه اطلاعات اولیه ای از سوابق بیمار در تشخیص بیماری موثر باشد و نتایج قابل قبولی را ارائه دهد. در این میان علائمی که برای تشخیص بیماری و شاسایی سریع بیمار مورد استفاده قرار می گیرند بسیار مهیج می باشند. در تحقیق با کار و فیریانی که در سال ۲۰۰۷ صورت گرفت، مهمترین علائم در تشخیص بیماری سل انتخاب گردیده و برای آموزش به سیستم نیز از شبکه عصبی استفاده شده بود. اما در تحقیق سانچز و همکارانش از نتایج میکروب شناسی استفاده گردیده بود که به علت زمانبر بودن نمی تواند کمک چندانی به تشخیص سریع بیماری نماید. سایر تحقیقات انجام شده نیز دنباله و دو روش پیشنهادی فوق بودند.
همانگونه که بیان شده استفاده از شبکه عصبی و درخت تصميم ، بیشترین کاربرد را داشته و در میان الگوریتم های مورد استفاده در درخت تصمیم ، C4 .5 بهترین اطلاعات را از بیماری به دست می آورد.
لازم به ذکر است که در استفاده از روش هایی بیان شده نیز تعدادی از داده ها برای آموزش به سیستم استفاده می شوند و این روش ها زمانی موثر می باشند و از صرف زمان و هزینه می کاهند که تعداد داده ها متناسب با زمان صرف شده برای آموزش به سیستم باشد. در نتیجه ، زمانی که با تعداد محدودی از اطلاعات روبرو هستیم، استفاده از روش های فوق موثر نیست.

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.