طبقه بندی بیماری های پوستی با استفاده از تکنیک های استخراج داده های جمع آوری شده

بیماری های پوستی یک مشکل عمده در ارتباط با سلامت در سطح جهانی برای تعداد زیادی از مردم است. با توسعه سریع فنآوری ها و کاربرد تکنیک های مختلف داده کاوی در سال های اخیر، پیشرفت طبقه بندی پیش بینی کننده بیماری های پوستیبیشتر و دقیق تر شده است. بنابراین، توسعه تکنیک های یادگیری ، که می تواند به طور موثر طبقه بندی بیماری های پوستیرا متمایز کند، اهمیت زیادی دارد. تکنیک های یادگیری تا کنون به پیش بینی بیماری های پوستی اعمال نشده است .در اینمقاله ، ما یک روش جدید ارائه می دهیم که پنج تکنیک مختلف داده کاوی را اعمال می کند و سپس یک رویکرد گروهی راایجاد می کند که شامل تمام پنج تکنیک های مختلف داده کاوی به عنوان یک تکنیک واحد است. ما از داده های پوستیآموزنده برای تجزیه و تحلیل تکنیک های مختلف داده کاوی برای طبقه بندی بیماری های پوستی استفاده می کنیم و سپسیک روش یادگیری دستگاه گروهی را موردد بررسی قرار می دهیم . روش گروه پیشنهادی، که بر اساس یادگیری دستگاه برروی مجموعه داده های پوستی مورد آزمایش قرار گرفته است، طبقه بندی شده است. درماتیت مزمن، C۶: Pityriasis Rubra . نتایج نشان می دهد که دقت پیش بینی طبقه بندی گروهی پوستی از مجموعه داده های آزمون در مقایسه با یکطبقه بندی واحد افزایش می یابد.روش گروهی که در مجموعه داده های پوستی استفاده می شود، عملکرد بهتر را نسبت بهالگوریتم های طبقه بندی متفاوت مقایسه می کند. روش گروه به پیش بینی بیماری های دقیق و موثر پوست کمک شایانی می کند.

Keywords:

مراقبت های بهداشتی اولیه , سیستم های اطلاعات بهداشتی , بیماری های پوستی