پیش بینی بیماری نارسایی کبد با استفاده از شبکه عصبی

پیش بینی بیماری نارسایی کبد با استفاده از شبکه عصبی


  • 367 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. 

کبد یکی از مهمترین عضوهاي بدن است. پیش بینی بیماري نارسایی کبد و تشخیص به موقع آن باعث کاهش عوارض بیماري و پیشگیري روند بیماري میشود. تکنیک هاي هوش مصنوعی در پیش بینی بیماري و درمان آن نقش به سزایی دارند. در این مقاله، شبکه عصبی پرسپترون چند لایه براي پیشبینی بیماري نارسایی کبد با دو مجموعه دادههاي BUPA و ILPD با 345 و 583 داده بیماران نارسایی کبدي استفاده شده است. شبکه عصبی پرسپترون چند لایه مجموعه دادهها BUPA با صحت 75.9 درصد و میانگین مربعات خطا  0.1995 و شبکه عصبی پرسپترون چند لایه مجموعه داده ها ILPD  با صحت 82.1 درصد و میانگین مربعات خطا 0.1394 بدست آمده اند.
  Vijayarani  در الگوریتم ھای بیزین ساده و ماشین بردار پشنیبان  SVM با مجموعه داده هاي  ILPD  با دقت به ترتیب ٥٥ و ۷٦ درصد و  Olaniy  در مجموعه داده  BUPD را با شبکه عصبی برگشت پذیر  BPNN و تابع شعاعی به ترتیب با صحت 70 و 63 درصد حاصل کرده اند که نمونه کارهاي با داده هاي اصلی دو مجموعه داده BUPA و ILPD  می باشند. با متوازن سازي داده ها در شبکه عصبی پرسپترون چند لایه میانگین مربعات خطا کاهش و صحت آنها افزایش یافته است و مدلی با صحت و دقت بالاتر را ارائه نماییم.
این مقاله از طریق لینک قابل دسترسی است و 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

کپی برداری بدون ذکر منبع، بر اساس قانون جرائم اینترنتی و مادۀ 12 فصل سوم قانون جرائم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 

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. 


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