زهره سپهری زاد - دانشجوی کارشناسی ارشد ، دانشگاه ایوانکی
مسعود عسگری مهر - عضو هیئت علمی ، دانشگاه ایوانکی
نیما فرجیان - عضو هیئت علمی ، دانشگاه ایوانکی

کبد از جمله مهمترین اعضای حیاتی بدن انسان است ، لذا هرگونه اختلال در عملکرد این عضو حیاتی، تهدید جدی برای انسان محسوب میشود و عوارض جبران ناپذیری بهمراه خواهد داشت. هدف از پژوهش حاضر استفاده از الگوریتم های داده کاوی برای پیش بینی و تشخیص بهنگاماین بیماری می باشد. این پژوهش به بررسی برخی الگوریتم های داده کاوی پرداخته تا بتواند بیماری های کبدی را در همان مراحل اولیه پیش بینینماید. این پژوهش بر روی تست های غربالگری تعدادی از پرسنل شاغل در پتروشیمی های منطقه ویژه اقتصادی ماهشهر صورت پذیرفته است و تعداد495 نفر مورد ارزیابی قرار گرفته اند . از این تعداد 92 نفر دارای برچسب بیمار و 403 نفر دارای برچسب سالم هستند . تست هایی که به عنوان ویژگیمورد سنجش قرار گرفته اند عبارت از AST(SGOT), ALT(SGPT), Cholesterol, TG, Plat می باشند. الگوریتم های مورد ارزیابیعبارت از RF, NB, KNN, LR, SWM می باشند. نتایج نشان می دهد که مدل RF بهترین بازده (معادل 100 % بازده) را بر روی نمونه هایدیتاست داشتند و با توجه به نتایج اعمال الگوریتم ها، ویژگی های SGOT و SGPT موثرترین فاکتورها در پیش بینی و تشخیص بیماری های کبدی هستند.

بیماری های کبدی، داده کاوی، الگوریتم های طبقه بند