توانایی تشخیص بیماری دیابت با بکارگیری تکنیک های داده کاوی و الگوریتم هوش مصنوعی
Publish place: 2nd conference on new findings of management sciences, entrepreneurship and education in Iran
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,704
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
- علوم پزشکی > دیابت
- هوش مصنوعی > هوش مصنوعی
- هوش مصنوعی > داده کاوی
- هوش مصنوعی > الگوریتم ژنتیک
- هوش مصنوعی > شبکه عصبی
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EMCONF02_046
تاریخ نمایه سازی: 12 تیر 1395
Abstract:
داده کاوی تکنیک و ابزار بسیار متداولی است که امروزه در زمینه های مختلفی کاربرد پیدا کرده است. تشخیص بیماری های مختلف در علم پزشکی، یکی از زمینه های پرکاربرد داده کاوی محسوب می شود که در سال های اخیر تحقیقات و مطالعات زیادی پیرامون آن انجام شده است. امروزه علوم پزشکی و پزشکان با حجم زیاد داده ها روبرو می باشند. از آنجایی که تشخیص بیماری همواره کارآسانی نیست، بنابراین پزشک برای اتخاذ یک تصمیم مناسب، باید نتیجه ی آزمایش های بیمار و تصمیم هایی که در گذشته برای بیماران با وضعیت مشابه گرفته است را بررسی کند. به عبارت دیگر پزشک نیازمند دانش و تجربه خواهد بود. ولی به دلیل تعداد زیاد بیماران و آزمایش های متعدد هر بیمار، نیاز به یک ابزار خودکار برای کاوش در میان بیماران احساس می شود. یکی از این روش های مهم که برای استنتاج داده ها استفاده می شود داده کاوی است. هدف این مقاله این است که الگوریتمی ترکیبی را جهت شناسایی بیماری دیابت با استفاده از الگوریتم های مختلف به علم پزشکی معرفی کند که با این کار قدمی کوچک را در راه علم پزشکی بردارد. تعداد داده های مورد استفاده در این مقاله 768 داده است که شامل 8 ویژگی است که هر یک بیان کننده مشخصه ای پزشکی مربوط به وضعیت فرد سالم و بیمار مبتلا به دیابت است.
Keywords:
Authors
مرضیه کریمی مقام
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی، واحد الکترونیکی، گروه مدیریت فناوری اطلاعات، تهران، ایران
محمد احسانی فر
عضو هیئت علمی دانشگاه آزاد اسلامی، واحد اراک، گروه مهندسی صنایع، اراک، ایران
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 :