کاهش خطای رده بندی تعیین بیماری تیروئید در شهرستان شوشتر با استفاده از الگوریتم بوستینگ درختی
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 36
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_NKUMS-7-2_016
تاریخ نمایه سازی: 29 دی 1402
Abstract:
زمینه و هدف: غده تیروئید یکی از غدد حیاتی بدن است که می توان گفت به طور غیر مستقیم روی تمام ارگان های بدن مانند قلب، کلیه، دستگاه گوارش و غیره اثر دارد هدف این مطالعه استفاده از الگوریتم بوستینگ در کاهش خطای تشخیص غده تیروئید نرمال از غده تیروئید غیرنرمال می باشد. این الگوریتم یک روش قدرتمند در حوزه تشخیص و پیش بینی می باشد. الگوریتم بوستینگ به طور مکرر یک رده بندی کننده پایه را روی داده های دوباره وزن دار شده رشد می دهد و در نهایت یک ترکیب خطی از نتایج تشکیل می دهد و از این رو دقت را بهبود می بخشد. مواد و روش کار: این مطالعه از نوع مقطعی است. داده های وضعیت غده تیروئید یک نمونه ۱۰۳تایی از مراجعه کنندگان به آزمایشگاه سلامت شهرستان شوشتر در سال ۸۹-۹۰ مورد تحلیل قرار گرفت برای تشخیص غده تیروئید نرمال از غده تیروئید غیرنرمال از درخت های تصمیم معمولی و درخت های تصمیم بوستینگ از نرم افرار ۳.۰.۱R استفاده شد. برای مقایسه نتایج از روش تحلیل رده بندی و سه معیار نرخ خطای رده بندی، حساسیت و ویژگی استفاده شد. یافته ها: نرخ خطای رده بندی، حساسیت و ویژگی در مجموعه آزمون برای درخت های تصمیم معمولی به ترتیب ۰۸۸/۰، ۹۱/۰ و ۹۲/۰ به دست آمدند و در درخت های تصمیم بوستینگ سه معیار فوق به ترتیب ۰۲۹/۰، ۹۵۵/۰و ۱ به دست آمدند. نتیجه گیری: نتایج این مطالعه نشان داد که الگوریتم بوستینگ برای تشخیص غده تیروئید نرمال از غده تیروئید غیرنرمال بسیار موفق تر عمل می کند بنابراین استفاده از درخت های تصمیم بوستینگ جهت تشخیص و پیشگویی وضعیت غده تیروئید پیشنهاد می شود.
Keywords:
boosting algorithm , misclassification rate , sensitivity , specificity. , الگوریتم بوستینگ , نرخ خطای رده بندی , حساسیت , ویژگی.
Authors
فردوس محمدی بساتینی
دانشگاه آزاد اسلامی، واحد شوشتر
بهزاد ریحانی نیا
دانشگاه آزاد اسلامی، واحد شوشتر
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 :