استفاده از دسته بندهای چندگانه در تشخیص اختلالات غده تیروئید
Publish place: The first international conference of modern research engineers in electricity and computer
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,071
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CBCONF01_0804
تاریخ نمایه سازی: 16 شهریور 1395
Abstract:
علم داده کاوی، به کشف الگوهای پنهان و ناشناخته در میان حجم عظیمی از داده ها می پردازد که گاه از دیدمتخصصین علوم پزشکی، پنهان می مانند. در این میان روش های مختلفی در زمینه پیش بینی انواع بیماریها، به کار رفته اندکه گاهی نتایج حاصل از آنها به طور باورنکردنی پشتیبان تصمیمات پزشکان بوده اند . امروزه اختلالات تیروئیدی یکی ازشایع ترین بیماری های مزمنی می باشد که جمعیت زیادی را مبتلا کرده است. تشخیص به موقع و به دنبال آن در پیش گرفتندرمان صحیح، می تواند باعث کاهش مرگ و میر مرتبط با این بیماری شود . هدف اصلی این مقاله تعیین وضعیت غدهتیروئید هر فرد از نظر نرمال بودن، پرکاری، کم کاری، پرکاری تحت بالینی و کم کاری تحت بالینی بر اساس داده هایآزمایشگاهی به دست آمده و با استفاده از روشهای داده کاوی می باشد. داده های مورد نیاز این پژوهش از پرونده های بایگانیدرمانگاه بقیه الله ساری استخراج شده است و شامل داده های 600 بیمار می باشد که در بازه سالهای 89 تا 94 به درمانگاهمراجعه کرده اند. این داده ها شامل متغیرهای سن، جنسیت، سابقه خانوادگی،TSH, T4 و Anti Tpo می باشند. در اینمطالعه در مرحله اول، از روش استخراج ویژگی تحلیل ممیزی خطی (LDA) و روشهای انتخاب ویژگی مبتنی بر ضریبهمبستگی (CFs) عدم قطعیت متقارن (SU)، آزمون خی دو (Relief, (Chi-squared ، روش پوششی (Wrapper) بااستفاده از دسته بندهای نزدیکترین همسایه و روش بیزی برای کاهش ابعاد مجموعه داده و در مرحله دوم از سیستماستنتاج عصبی فازی تطبیقی با 7ساختار مختلف برای دسته بندی استفاده شده است. در پایان نیز جهت بهبود نتایج به -دست آمده، 3 روش رأی گیری حداکثری، میانگین گیری ساده و میانگین گیری وزن دار برای ترکیب دسته بندها مورد استفادهقرار گرفته است. نتایج به دست آمده نشان می دهد، روش رأی گیری حداکثری بر روی این مجموعه داده نسبت به سایر روش-ها عملکرد بهتری داشته و توانسته با دقتی برابر با 92.5 درصد، اختلالات تیروئیدی را به درستی تشخیص دهد.
Keywords:
Authors
نازنین عبدالله پور
دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات، موسسه - آموزش عالی پویندگان دانش، چالوس
آرش شریفی
استادیار، گروه کامپیوتر، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران
عذرا آخی
مرکز تحقیقات دیابت، دانشگاه علوم پزشکی مازندران، ساری، 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 :