Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

پیشنهاد یک راه کار فناورانه موثر جهت تشخیص زودهنگام بیماری کووید-۱۹: مطالعه مبتنی بر یادگیری ماشین داده محور

Year: 1400
COI: JR_JMIS-7-1_008
Language: PersianView: 236
This Paper With 11 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

رئوف نوپور - TUMS
مصطفی شنبه زاده - IlUMS
هادی کاظمی آرپناهی - Department of Health Information Technology, Abadan University of Medical Sciences, Abadan, Iran.

Abstract:

هدف: تشخیص صحیح، دقیق و به موقع بیماری کووید-۱۹ با استفاده از فناوری های هوش مصنوعی و یادگیری ماشین نقش مهمی در بهبود شاخص های بیماری، استفاده بهینه از منابع محدود بیمارستانی و کاهش بار کاری کارکنان خط مقدم پاندمی خواهد داشت. بنابراین هدف پژوهش حاضر ارزیابی کارایی الگوریتم های منتخب داده کاوی در تشخیص بیماری کویید-۱۹ خواهد بود. روش ها: پژوهش حاضر یک مطالعه گذشته نگر و توصیفی کاربردی است. در این مطالعه از داده های بیماران بستری شده با تشخیص قطعی کوویید-۱۹ در بازه زمانی ۲۷ اسفند ۱۳۹۸ لغایت ۲۰ آذر ۱۳۹۹ که در پایگاه داده پرونده الکترونیک سلامت بیماری کووید-۱۹ بیمارستان آیت الله طالقانی شهرستان آبادان ثبت شده است، استفاده گردید. پس از اعمال معیارهای ورود و خروج برای شناسایی نمونه ها در نهایت ۴۰۰ رکورد به عنوان ورودی و تغذیه وارد نرم افزار داده کاوی وکا ورژن ۳.۹ شد. داده ها با استفاده از ملاک کای دو برای تعیین متغیرها به منظور آموزش الگوریتم ها، عملکرد آن ها براساس معیارهای مختلف ارزیابانه در ماتریس آشفتگی مورد مقایسه قرار گرفتند. نتایج: براساس مقایسه عملکرد الگوریتم های داده کاوی با توجه به معیارهای ارزیابانه در ماتریس آشفتگی، الگوریتم J-۴۸ با میزان حساسیت، دقت، و ضریب همبستگی ماتیوس به ترتیب ۰/۸۵، ۰/۸۵، ۰/۶۸ عملکرد بهتری نسبت به سایر الگوریتم های داده کاوی برای تشخیص بیماری کووید-۱۹ داشت.  ۳ متغیر وجود ضایعات ریوی، تب و سابقه تماس با افراد مظنون به کرونا با در نظر  گرفتن شاخص جینی ایندکس برای تعیین نقطه تقسیم، به ترتیب با میزان جینی ایندکس ۰/۲۱۷، ۰/۲۰۵ و ۰/۱۸۸ به عنوان مهم ترین فاکتورهای موثر در تشخیص کرونا در نظر گرفته شدند.      نتیجه گیری: استفاده از روش های داده کاوی منتخب و به طور خاص الگوریتم J-۴۸ قابلیت بالایی در تشخیص به موقع و اثربخش بیماری کووید-۱۹ در قالب سیستم های پشتیبان تصمیم یار بالینی خواهد داشت.  

Keywords:

Paper COI Code

This Paper COI Code is JR_JMIS-7-1_008. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/1253874/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
نوپور، رئوف و شنبه زاده، مصطفی و کاظمی آرپناهی، هادی،1400،پیشنهاد یک راه کار فناورانه موثر جهت تشخیص زودهنگام بیماری کووید-۱۹: مطالعه مبتنی بر یادگیری ماشین داده محور،https://civilica.com/doc/1253874

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :

  • Tang D, Comish P, Kang R. The hallmarks of COVID-۱۹ ...
  • Mehta P, McAuley DF, Brown M, Sanchez E, Tattersall RS, ...
  • Shereen MA, Khan S, Kazmi A, Bashir N, Siddique RJJoAR. ...
  • Zu ZY, Jiang MD, Xu PP, Chen W, Ni QQ, ...
  • Kucharski AJ, Russell TW, Diamond C, Liu Y, Edmunds J, ...
  • Chen Q, Zheng Z, Zhang C, Zhang X, Wu H, ...
  • Cao J, Tu W-J, Cheng W, Yu L, Liu Y-K, ...
  • Wang Z, Yang B, Li Q, Wen L, Zhang R. ...
  • Xu G, Yang Y, Du Y, Peng F, Hu P, ...
  • Stadnytskyi V, Bax CE, Bax A, Anfinrud P, editors. The ...
  • Celesti A, Ruggeri A, Fazio M, Galletta A, Villari M, ...
  • Ayyoubzadeh SM, Ayyoubzadeh SM, Zahedi H, Ahmadi M, Kalhori SRN. ...
  • James P, Das R, Jalosinska A, Smith L. Smart cities ...
  • Peck KRJCM, Infection. Early diagnosis and rapid isolation: response to ...
  • Shaban WM, Rabie AH, Saleh AI, Abo-Elsoud M. A new ...
  • Hassen HB, Ayari N, Hamdi B. A home hospitalization system ...
  • Chamola V, Hassija V, Gupta V, Guizani M. A Comprehensive ...
  • Han J, Pei J, Kamber M. Data mining: concepts and ...
  • Lavrač N, Zupan B. Data mining in medicine. Data Mining ...
  • Eapen AG. Application of Data mining in Medical Applications: UWSpace, ...
  • Iavindrasana J, Cohen G, Depeursinge A, Müller H, Meyer R, ...
  • Albahri A, Hamid RA. Role of biological Data Mining and ...
  • Dong E, Du H, Gardner L. An interactive web-based dashboard ...
  • Foddai A, Lubroth J, Ellis-Iversen J. Base protocol for real-time ...
  • Xu T, Chen C, Zhu Z, Cui M, Chen C, ...
  • Stage IV D. COVID-۱۹ Notice: Tahoe Forest Health System is ...
  • Talebpour M, Hadadi A, Oraii A, Ashraf H. Rationale and ...
  • Xiao C, Zheng L, Chen F, Xiao Y. Design and ...
  • Bayram M, Springer S, Garvey CK, Özdemir V. COVID-۱۹ digital ...
  • Capobussi M, Moja L. ۳d Printing Technology and Internet of ...
  • Javaid M, Haleem A, Vaishya R, Bahl S, Suman R, ...
  • Jiancheng Y. The Role of Health Technology and Informatics in ...
  • Allam Z, Jones DS. On the Coronavirus (COVID-۱۹) Outbreak and ...
  • Chaudhari SN, Mene SP, Bora RM, Somavanshi KN. Role of ...
  • Liu Y, Wang Z, Ren J, Tian Y, Zhou M, ...
  • Govindan K, Mina H, Alavi B. A decision support system ...
  • Kaiafas KN. Clinical Decision Support Tools and the COVID-۱۹ Pandemic. ...
  • McRae MP, Simmons GW, Christodoulides NJ, Lu Z, Kang SK, ...
  • Bredmose PP, Diczbalis M, Butterfield E, Habig K, Pearce A, ...
  • Alakus TB, Turkoglu I. Comparison of deep learning approaches to ...
  • Narin A, Kaya C, Pamuk Z. Automatic detection of coronavirus ...
  • Elaziz MA, Hosny KM, Salah A, Darwish MM, Lu S, ...
  • Brunese L, Mercaldo F, Reginelli A, Santone A. Explainable deep ...
  • Torrealba-Rodriguez O, Conde-Gutiérrez R, Hernández-Javier A. Modeling and prediction of ...

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: علوم پزشکی
Paper count: 9,685
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support