مروری بر تکنیک های داده کاوی استفاده شده در تشخیص بیماری کبد

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,061

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:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

BPJ02_258

تاریخ نمایه سازی: 11 آبان 1395

Abstract:

بیماری کبد یک بیماری شایع است که روز به روز به دلیل مصرف بیش از حد الکل، استنشاق گازهای مضر، مصرف مواد غذایی آلوده و مواد مخدر رو به افزایش است و همچنین نمی توان به راحتی در مراحل اولیه، تشخیص داد که تشخیص زودهنگام برای جلوگیری از مرک و میر بسیار مهم است. داده کاوی یک ابزار مهم برای تجزیه و تحلیل مجموعه داده های بیماران می باشد که از طریق آن می توان یک سیستم کمکی برایتشخیص بیماری های کبدی ساخت که بهره وری تشخیص را افزایش داده است و در تحویل درمان پزشکی، سریع باشد. در این مقاله، پژوهش های انجام شده در سال های اخیر بر روی تشخیص بیماری کبد در زمینه داده کاوی بررسی شده که بیشترین تحقیق بر روی مجموعه داده هوای ILPD و BUPA انجام شده است و بیشترین پژوهش ها و بهترین نتیجه ها، الگوریتم های دسته بندی داده اند و همچنین به این نتیجه رسیدیم که یکسیستم خبره مناسب برای تشخیص زودهنگام بیماری های کبد نیاز است.

Keywords:

الگوریتم های دسته بندی , تشخیص بیماری کبد , داده کاوی , Artificial Intelligence , دسته بندی بیماران کبدی

Authors

بتول اکبری

دانشجوی کارشناسی ارشد نرم افزار، موسسه آموزش عالی صنعتی فولاد، فولادشهر، اصفهان

محمد داورپناه جزی

استادیار گروه مهندسی کامپیوتر و فناوری اطلاعات، موسسه آموزش عالی صنعتی فولاد، فولادشهر، اصفهان،

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 :
  • M.Nazaridoust and B.M.Bidgoli, _ Data Mining of associate ...
  • W. H. Organization, Global health risks: mortality and burden of ...
  • Ch.H.Weng, T.Ch.Huang and R.P.Han, "Disease prediction with different types of ...
  • S.Kant and I.A.Ansari, "An improved K means clustering with Atkinson ...
  • S.P.Patil, A.D.Thakare and C.A.Dhote, _ efficient hybrid data clustering method ...
  • J.Christopher, H.Kh.Nehemial and A.Kannan, "A Swarm Optimization Approach for Clinical ...
  • U.R.Acharya, H.Fujita, Sh.Bhat, U.Raghavendra, A.Gudigar, ...
  • from ultrasound images", Information Fusion29, 32-39, 2015. ...
  • _ _ i _ _ _ of Medical Syatems 37.2 ...
  • J.Pahareeya, R.Vohra, J.Makhijani and S.Patsariya, "Liver Patient Classification using Intelligence ...
  • B.Venkata Ramana, M.S.Prasad Babu and B .R. Sarathkumar, "New Automatic ...
  • Classification", IEEE International Conference on Intelligent Network and Computing (ICINC), ...
  • Esraa M.Hashem and Mai S.Mabrouk, _ Study of Support Vector ...
  • B.V.Ramana, M.S.P.Babu and N.B .Venkateswarlu, "A Critical Comparative Study of ...
  • B.V.Ramana, M.S.P.Babu and N.B .Venkateswarlu, "A Critical Study of Selected ...
  • T.P. Vital, G.S.V.P.Raju, K. Sreeramamurthy and V.P.V.Charan, "A Probabiliste Neural ...
  • A.Verikas, A.Gelzinis and M.Bacauskiene, "Mining Data with Random Forests: A ...
  • R.Lin and Ch.Chuang, "A Hybrid Diagnosis Model for _ _ ...
  • _ _ _ _ _ Medical Data Classification", Applied Soft ...
  • S.Bashir, U.Qamar, F.H.Khan and L.Naseem, "HMV: A Medical ...
  • نمایش کامل مراجع