A model based on Bayesian Network for prediction of IVF Success Rate

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: English
View: 1,725

This Paper With 6 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:

SASTECH07_084

تاریخ نمایه سازی: 30 تیر 1392

Abstract:

In vitrofertilization (IVF) is one of assisted reproductive technique that enables infertile couples to achieve successful pregnancy. Accurateand early prediction of the outcome of the IVF is important for both patients and physicians. Given the uncertainty of the treatment, we propose an intelligent decision support system based on Bayesian Networks. We evaluate the effectiveness of four Bayesian network classifiers as potential tools for predictionthe success/failure rate of IVF using realworld database.Results show thatwe can use Bayesian networks as a new practical approach for predict the outcome of IVF treatment

Authors

Samar Ashrfi Kakhki

۱Department of Artificial Intelligence faculty engineering, IslamicAzad University, Mashhad Branch, Mashhad, Iran

Behnam Malekara

Department of Software faculty engineering, Islamic Azad University, Mashhad Branch, Mashhad, Iran

Saeed Rahati Quchani

Department of Artificial Intelligence faculty engineering, Islamic Azad University, Mashhad Branch, Mashhad, Iran

Nayereh Khadem

Mashhad University of Medical Sciences, Mashhad, Iran

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 :
  • Cruz-Ramirez, N., _ Nava-F ernandez, H. G. A. Mesa, E. ...
  • "sAsTech 2013, Iran, Bandar-Abba, 7-8 March, 2013 Organized by Khavaran ...
  • Fassino, S., A. Piero, S. Boggio, _ Piccioni and . ...
  • Friedman, N. and M. Goldszmidt (1999). Learning Bayesian networks from ...
  • Guh, R. S., T. C. J. Wu and S. P. ...
  • Han, J. and M. Kamber (2006). Data mining: concepts and ...
  • Kaufmann, S., J. Eastaugh, S. Snowden, S. Smye and V. ...
  • Martinez- Morales _ M., N. Cruz-Ramirez, J. Jimenez -Andrade and ...
  • Mitchell, T. M. (1997). Machine learning. WCB, McGraw-Hil Boston, MA:. ...
  • Saith, R., A. Srinivasan, D. Michie and I Sargent (1998). ...
  • Stassopoulou, A. and M. D. Dikaiakos (2009). "Web robot detection: ...
  • Trimarchi, J. R., J. Goodside, L. Passmore, T. Silberstein, L. ...
  • Uyar, A., H. N. Ciray, A. Bener and M Bahceci ...
  • نمایش کامل مراجع