سیستم کنترل سلامت پزشکی با داده کاوی و درخت تصمیم C5
در این بخش مقاله استفاده بهینه از پایگاه داده سیستم کنترل سلامت پزشکی با داده کاوی و درخت تصمیم C5 را به زبان فارسی برای دانلود رایگان قرار دادیم که از مقالات دانشگاه علم و صنعت ایران می باشد که در دومین کنفرانس بین المللی ترکیبیات رمزنگاری و محاسبات ارائه شده است. در ادامه به چکیده این مقاله پرداخته و فهرست مطالب ارائه شده در آن به همراه لینک دانلود رایگان نسخه PDF قرار داده شده است.
داده کاوی در پزشکی و سلامت
پزشکی و سلامت از مهمترین بخش ها در جوامع صنعتی می باشد. استخراج دانش از بین حجم انبوه داده (Big Data) مرتبط با سوابق بیماری و پرونده های پزشکی افراد به کمک فرایند داده کاوی (Data Mining) می تواند منجر به تشخیص قوانین حاکم بر ایجاد، رشد و تسری بیماری ها گشته و اطلاعات ارزشمندی را برای شناسایی دلایل رخداد بیماری ها، تشخیص، پیش بینی و درمان بیماری ها با در نظر گرفتن عوامل محیطی حاکم در اختیار متخصصان حوزه سلامت قرار بدهد.
معرفی مقاله
هدف مقاله پیش رو، انتخاب فیلد های تاثیر گذار در پایگاه داده (Data Base) برنامه های کاربردی که بر روی سیستم ها مختلف بیمارستان ها و مراکز درمانی که به صورت توزیع شده می باشند و همینطور طراحی سیستم های اطلاعاتی برای پیش بینی با خطای کمتر بعضی از بیماری ها به کمک ویژگی ها و ارتباطات بین ویژگی های مرتبط با بیماری بوسیله ترکیب روش های مختلف داده کاوی و درخت تصمیم (Decision Tree) می باشد. در مقاله هایی که طی سال های گذشته در ایران نگارش شده اند، از تمام متغیرهای به وجود آورنده بیماری استفاده نشده و با توجه به حدس و گمان و یا بر پایه تحقیقات خارجی انجام شده، یک تعداد متغیر در نظر گرفته شده و کار بر روی آنها صورت گرفته است.
تشخیص حمله قلبی با درخت تصمیم C5
در این مقاله با جمع بندی همه متغیرهای شناخته شده که دارای اهمیت در تحقیقات گذشته داخلی و خارجی بوده است و همچنین تایید آنها با توجه به نظر پزشک متخصص، مهمترین متغیرها جمع آوری و براساس آن مدلسازی انجام شده است. داده های استفاده شده ما به کمک متغیرهای شناخته شده در پایگاه تشخیص بیماری قلبی که در مرکز UCI وجود دارد، از بیمارستان های سطح کشور جمع آوری گردیده که شامل اطلاعات ۹۹۴ بیمار است. این اطلاعات برای نمونه در قالب فایل Excel با ۱۸ ویژگی جمع آوری شده که فیلد آخر نظر پزشک معالج مبنی بر حمله قلبی یا عدم حمله قلبی می باشد. مدل بدست آمده مبتنی بر الگوریتم درخت تصمیم C5.0 می باشد که علاوه بر کارایی بالا در تشخیص افراد بیمار، کارآمد ترین و مناسب ترین الگوریتم در تحلیل داده ها به صورت موازی است که بیشترین دقت را در تشخیص بیماری قلبی دارد.
فهرست مطالب مقاله
- چکیده
- مقدمه
- پیشینه تحقیق
- فرآیند پیشنهادی براساس استاندارد کریسپ
- شناخت سیستم
- مرحله آماده سازی داده ها
- مدلسازی
- ارزیابی
- توسعه
- درخت تصمیم C5.0
- پایگاه داده توزیع شده
- متغیرهای تحقیق
- پیاده سازی
- توضیح تکنیک درخت تصمیم C5.0
- ارزیابی مدل پیش بینی
- معیار ماتریس اغتشاش
- نتایج پیاده سازی
- مزایای روش های پیشنهادی
- پیشنهادات برای تحقیقات آتی
- نتیجه گیری
- مراجع
هیچ نظری ثبت نشده است