تشخیص COVID-۱۹ با استفاده از طبقه بندی بهبود یافته با روش های یادگیری گروه

صنعت مراقبت های بهداشتی یک صنعت وسیع است که نیازمند جمع آوری و پردازش اطلاعات پزشکی است. یکی از روشهای مهم برای استنتاج داده ها، داده کاوی و استفاده از روش های یادگیری ماشین در تجزیه و تحلیل داده های پزشکی و رسیدنبه نتایج مهم در بهبود روش های درمانی و کنترل بیماری های لاعلاج، همه گیر و مرگبار است. در ۱۱ مارس ۲۰۲۰ ، کووید-۱۹به عنوان اعلامیه سازمان بهداشت جهانی (WHO) بیماری همه گیر شناخته شد. اکنون با گسترش بیشتر کووید- ۱۹ در سراسر جهان با کمک روشهای غیر بالینی مانند روش های داده کاوی, اطلاعات تقویت شده و دیگر تکنیک های هوش مصنوعی،نیازاست تا بهترین روشهای ممکن برای تشخیص و پیش بینی بیماری همه گیر کووید- ۱۹ فراهم شود، این تحقیق در راستایتشخیص بیماری کووید- ۱۹ با روش های یادگیری ماشین نظارت شده بر روی مجموعه داده های بالینی افراد مبتلا به کووید-۱۹ انجام شد که شامل بررسی متون گذشته، یافتن مجموعه داده مناسب، مدل سازی ، تست و ارزیابی مدل وپیش بینی میباشد. این تحقیق الگوریتم های مختلف را برای پردازش داده های بیماران مقایسه می کند و در نهایت الگوریتم های جمعی "رایگیری"و "انباشت " را که از ترکیب الگوریتم های مدل های پایه درخت تصمیم، k نزدیک ترین همسایگی، ماشین بردار پشتیبان و جنگل تصادفی و رگرسیون لجستیک به دست می آید را معرفی می کند. در پیاده سازی مدل با تکنیک رای گیری به نتایجصحت ۹۸ % ، دقت ۰,۹۹۲ ،حساسیت ۰,۹۸۲ ،خاصیت ۰,۹۷ درصدی رسید وتکنیک انباشت به میزان صحت ۰,۹۸۲ ، دقت۰,۹۸۷ ،حساسیت ۰,۹۸۹ وخاصیت ۰,۹۵ رسید که در بهبود مشکلات هر کدام از طبقه بند ها بسیار موثر بود.

Keywords:

کووید- ۱۹ , داده کاوی , یادگیری ماشین نظارت شده , مجموعه داده , مدل های گروهی , الگوریتم ها