ارائه روش پیشنهادی جهت بهبود دقت تشخیص بیماری دیابت نوع دو
Publish place: The Second National Conference on New Technologies in Electrical and Computer Engineering
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 1,080
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
IAUFASA02_282
Index date: 8 March 2015
ارائه روش پیشنهادی جهت بهبود دقت تشخیص بیماری دیابت نوع دو abstract
دیابت یک بیماری مزمن و ازچالش های بهداشت عمومی در سراسر جهان است. با توجه به نظریه فدراسیون بین المللی دیابت انتظار می رود تعداد افراد مبتلا به بیماری دیابت در سال 2025 به 380 میلیون نفر برسد. علاوه بر این، در هر سال3/8میلیون مورد مرگ منتسب به عوارض دیابت می باشد. نشان داده شده که از 80 درصد از عوارض دیابت نوع دو می توان جلوگیری کرد و یا با شناسایی زودرس افراد در معرض خطر آن را به تاخیر انداخت. در این زمینه، روش های داده کاوی و یادگیری ماشین برای تشخیص، پیش بینی و درمان دیابت استفاده شده است. در این مقاله به معرفیبرترین الگوریتم از میان روش های داده کاوی در زمینه تشخیص بیماری دیابت یعنی ماشین بردار پشتیبان می پردازیم. نتایج نشان داده که از میان الگوریتم های بردار پشتیبان روش بردار پشتیبان تطبیقی با دقت بالاتری بیماری دیابت را تشخیص می دهد
ارائه روش پیشنهادی جهت بهبود دقت تشخیص بیماری دیابت نوع دو Keywords:
ارائه روش پیشنهادی جهت بهبود دقت تشخیص بیماری دیابت نوع دو authors
ماهرخ انصاری
دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز
سعیده بارانی
دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز
منصور امینی لاری
عضو هیات علمی گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز
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 :