دستهبندی بیماران مشکوک به ضایعات سیستم استخوانی بدن با استفاده از الگوریتم درخت تصمیم QUEST
Publish place: The Second National Conference on New Technologies in Electrical and Computer Engineering
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 553
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:
شناسه ملی سند علمی:
IAUFASA02_085
تاریخ نمایه سازی: 17 اسفند 1393
Abstract:
دانش دادهکاوی یکی از رشتههای جدیدی است که با استفاده از آن و بهرهگیری از دادههای آماری، به استخراج اطلاعات و الگوهای مفید وغیرمنتظره میانجامد. در واقع هدف اصلی دادهکاوی، استخراج دانش مورد نیاز از میان حجم بسیار زیادی از یک یا چند مجموعه دادهها میباشد.یکی از حوزههایی که میتوان از این علم به طور مؤثری کمک گرفت و نتایج قابل توجهی به دست آورد، دادههای پزشکی است. در این مقاله سعی شده است تا با اعمال تکنیک دادهکاوی درخت تصمیم و الگوریتمQUEST بر روی اطلاعات مربوط به 323 نفر از بیماران که دربیمارستانهای شهرستان کاشان از سیستم استخوانی بدن آنها تصویربرداری پزشکی انجام شده است، بر اساس حداقل ویژگیها، شرح حال و علائمی که این بیماران هنگام مراجعه به مراکز درمانی داشتهاند، دستهبندی مناسبی را برای بیماران مشکوک به ضایعات سیستم استخوانی بدنانجام داد.با داشتن دستهبندی مناسبی از سوابق بیماران مبتلا به ضایعات سیستم استخوانی بدن، امکان پیشبینی نسبی وضعیت بیماری مراجعه- کنندگان قبل از انجام آزمایشهای مربوطه حاصل میشود که به نوعی صرفهجویی در زمان و هزینهی بیماران و پزشکان را به همراه خواهد داشت. نتایج حاصل از این تحقیق میتواند برای مراکز درمانی و پزشکها مفید واقع شود.
Keywords:
Authors
زهرا عصاریان نیاسری
دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر و فناوری اطلاعات دانشگاه پیام نور
احمد فراهی
استادیار گروه مهندسی کامپیوتر و فناوری اطلاعات دانشگاه پیام نور
بهرام هدایتی
دانش آموختهی مقطع کارشناسی ارشد دانشگاه پیام نور تهران
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 :