تشخیص بیماری تب کریمه کنگو با استفاده از درخت تصمیم C۴.۵

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 50

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JHBMI-4-2_004

تاریخ نمایه سازی: 9 مرداد 1403

Abstract:

مقدمه: با شروع فصل تابستان، بیماری بین انسان و حیوان، یعنی تب کریمه کنگو به سرعت شیوع پیدا می کند. تشخیص این بیماری با استفاده از آزمایش های لازم، در کمترین حالت زمانی حدود یک هفته به طول می انجامد. روش های داده کاوی و یادگیری ماشین متعددی برای ایجاد مدل های پیشگویی کننده جهت شناسایی افراد در معرض خطر وجود دارد. در این پژوهش از درخت تصمیم C۴.۵ به دلیل سادگی و کارآمدی اش به منظور تشخیص این بیماری استفاده شده است. روش: این پژوهش از نوع کاربردی و توصیفی است. در این پژوهش از داده های مربوط به افراد مظنون به بیماری تب کریمه کنگو استفاده شد. این داده ها در یک دوره ۴ ساله از سال ۱۳۹۳ از مراکز درمانی کشور جمع آوری شد. این پایگاه داده شامل ۹۶۵ رکورد و ۲۸ ویژگی است. ابتدا با استفاده از روش انتخاب ویژگی برنامه نویسی درجه دو، متغیرهای موثر و تاثیرگذار بر مدل انتخاب و سپس درخت تصمیم C۴.۵ با به کارگیری متغیرهای ورودی و تعیین متغیر هدف ایجاد گردید. تجزیه و تحلیل داده ها به کمک نرم افزار Matlab صورت گرفت. نتایج: با توجه به مدل مشخص شد که متغیرهایی همچون تب، خون ریزی، شروع ناگهانی علائم، افزایش آنزیم های کبدی، افزایش بیلی روبین توتال، کاهش هموگلوبین، Hematuria، Leukocytosis، Proteinuria و Leukopenia بیشترین تاثیر را در تشخیص به این بیماری دارند. نتیجه­ گیری: نتایج نشان می دهد که معیار حساسیت مدل پیشنهادی، ۹۵ % و معیار تشخیص آن ۵۰ % است که در مقایسه با مطالعات انجام شده دیگر در حوزه داده کاوی پزشکی، از اثربخشی قابل قبولی در تشخیص این بیماری برخوردار است.

Authors

رضا اسماعیلی گوهری

Bahmanyar Higher Education Institute of Kerman

الهام اسماعیلی گوهری

. M. Sc. in Compter Engineering, Computer Engineering Det., Technical and Engineering Campus, Yazd University, Yazd, Iran

مهدی شفیعی

Kerman University of Medical Sciences

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 :
  • World Health Organization(WHO). Crimean-Congo haenorrhagic fever (CCHF). [cited ۲۰۱۷ Aug ...
  • Boo S, Froelicher ES. Cardiovascular risk factors and ۱۰-year risk ...
  • Soni J, Ansari U, Sharma D, Soni S. Predictive data ...
  • Subbalakshmi G, Ramesh K, Rao MC. Decision support in heart ...
  • Al Jarullah AA. Decision tree discovery for the diagnosis of ...
  • Fang X. Are You Becoming a Diabetic? A Data Mining ...
  • Fayyad UM, Piatetsky-Shapiro G, Smyth P, Uthurusamy R. Advances in ...
  • Lavrač N. Selected techniques for data mining in medicine. Artif ...
  • Khajehei M, Etemady F. Data mining and medical research studies. ...
  • Jayalakshmi T, Santhakumaran A. A novel classification method for diagnosis ...
  • Huang MJ, Chen MY, Lee SC. Integrating data mining with ...
  • Witten IH, Frank E, Hall MA, Pal CJ. Data Mining: ...
  • Han J, Kamber M, Pei J. Data Mining: Concepts and ...
  • Tanner L, Schreiber M, Low JG, Ong A, Tolfvenstam T, ...
  • Shaukat K, Masood N, Mehreen S, Azmeen U. dengue fever ...
  • Saha S, Saha S. Combined committee machine for classifying dengue ...
  • Saikia D, Dutta JC. Early diagnosis of dengue disease using ...
  • Olanow CW, Watts RL, Koller WC. An algorithm (decision tree) ...
  • Cai Z, Gu J, Chen HL. A new hybrid intelligent ...
  • Chen HL, Wang G, Ma C, Cai ZN, Liu WB, ...
  • Wang W, Richards G, Rea S. Hybrid data mining ensemble ...
  • Gao Z, Hong W, Xu Y, Zhang T, Song Z, ...
  • Tsien CL, Fraser HS, Long WJ, Kennedy RL. Using classification ...
  • Bellaachia A, Guven E. Predicting Breast Cancer Survivability Using Data ...
  • Su CT, Yang CH, Hsu KH, Chiu WK. Data mining ...
  • Chen J, Xing Y, Xi G, Chen J, Yi J, ...
  • Rodriguez-Lujan I, Huerta R, Elkan C, Cruz CS. Quadratic Programming ...
  • Naqvi C. A hybrid filter-wrapper approach for feature selection [dissertation]. ...
  • Cohen G, Hilario M, Sax H, Hugonnet S, Geissbuhler A. ...
  • Chan CL, Liu YC, Luo SH. Investigation of diabetic microvascular ...
  • Shouman M, Turner T, Stocker R. Using decision tree for ...
  • نمایش کامل مراجع