طراحی مدل یکپارچه و دادهمحور به منظور پیش آگاهی سکته مغزی بر مبنای الگوریتم های داده کاوی

امروزه سکته مغزی، به عنوان دومین عامل مرگ و میر در جهان با ایجاد اختلال حرکتی و ناتوانی در افراد بالغ مشکلات بسیاری را ایجاد می کند. تشخیص زودهنگام سکته مغزی برای پیشگیری و درمان بموقع ضرورت دارد. از طرفی کنترل هزینه های بیمارستان و افزایش راندمان خدمات درمانی بخصوص در بخش های سکته مغزی و قلبی که منابع به شدت محدود هستند، مورد توجه قرار گرفته است. تحقیقات نشان می دهد که معیارهای استخراج شده از پارامترهای مختلف اطلاعات ارزشمندی را برای پیش بینی سکته مغزی در اختیار دارند. مطالعات، عوامل خطر مختلفی را در ارتباط با بروز سکته مغزی در افراد شناسایی کرده اند. بیمارستان ها روزانه مقادیر زیادی از داده های بیماران خود را که از بیماری های مختلف از جمله سکته مغزی رنج می برند جمع آوری می کنند. پزشکان می توانند با تحقیق بر روی این داده ها به یافته های جدیدی درباره بیماری ها و روش های مقابله با آنها دست پیدا کنند. به نظر می رسد در صورتی که از روش تجزیه و تحلیلداده کاوی استفاده شود، میتوان از پیش بینی برای کاهش میزان خطر بیماران قبل از ابتلا به سکته مغزی استفاده کرد. مطالعه حاضر جهت انتخاب مدل پیش بینی ابتلا به سکته مغزی با استفاده از روش های طبقه بندی در داده کاوی انجام شده است. در این تحقیق از سه الگوریتم طبقه بندی: درخت تصمیم، شبکه عصبی مصنوعی و ماشین بردار پشتیبان برای پیش بینی استفاده شده است. معیارهای ارزیابی عملکرد مدل ها دقت و منحنی مشخصه عملکرد بودند. نتایج پژوهش نشان داد که مدل درخت تصمیم با دقت 92 % و سطح زیر منحنی 0.78 دارای بهترین عملکرد پیش گویانه در بروز سکته مغزی است.

Keywords:

سکته مغزی , داده کاوی , مدل های پیش بینی , تشخیص , ارزیابی.