شبنم ضرغامی - دانشجوی دکتری، گروه ریاضی، دانشگاه قم، شهر قم،ایران
غلام حسن شیردل - دانشیار، گروه ریاضی، دانشگاه قم، قم، ایران
مجتبی قنبری - استادیار، گروه ریاضی، دانشگاه آزاد اسلامی، واحد فراهان، شهر فراهان، ایران
محمدرضا اسکندری - فوق تخصص اعصاب و روان.دانشگاه هاروارد . آمریکا

داده کاوی از طریق تجزیه و تحلیل بینش داده ها، تصمیم گیری سازمانی را بهبود بخشیده است. تکنیک هایداده کاوی که زیربنای این تحلیل ها است، میتوانند به دو هدف اصلی تقسیم شوند. آنها میتوانند مجموعه داده هایهدف را توصیف و نتایج را با استفاده از الگوریتم های یادگیری ماشینی پیش بینی کنند. این روشها برای ارائهاطلاعاتی از قبیل کشف تقلب و رفتارهای کاربر، گلوگاه ها و حتی مشکلات امنیتی استفاده میشوند .مواد و روش ها: در این پژوهش سعی شده است بعد آماده سازی داده ها، پیش بینی بیماری با استفاده از روشهایماتریس های بزرگ و تکنیک های داده کاوی صورت گیرد. با بررسی بردار جدید میتوان متوجه شد که این بیماریجدید با علائم جدید با استفاده از سطرهای ماتریس، به ترتیب به کدام یک از بیماریهای ماتریس نزدیکتر خواهدبود. پژوهش صورت گرفته از جمله مطالعات توصیفی-تحلیلی و کاربردی است.یافته ها: در این تحقیق ما از تکنیک های داده کاوی با استفاده از نرم افزار پایتون جهت پیش بینی بیماری هایمغز و اعصاب پیاده سازی کردیم .نتیجه گیری: الگوریتم پیاده سازی شده توسط نرم افزار پایتون ، پزشک علائم بیمار را وارد میکند و خروجی برنامههر متر سه بیماری نزدیک به علائم ورودی نشان میدهد و درنهایت تمام مترها باهم مقایسه شدهاند و آن متر کهنتیجه ی ضعیف تری دارد در هر بار اجرا مشخص میشود. مزیت های هرکدام از این مترها در ادامه توضیح داده شدهاست و همچنین از تکنیک svd برای تشخیص بیماری ها و همچنین کاهش زمان اجرای برنامه استفاده شده است.

بینی بیماری های مغز و اعصاب، درمان، روشهای درمان، بیماریها، دادهکاوی , استفاده از تکنیک svd