سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بررسی و ارزیابی روش های یادگیری ماشین جهت پیش بینی احتمال بستری مجدد بیماران قلبی

Publish Year: 1395
Type: Conference paper
Language: Persian
View: 895

This Paper With 9 Page And PDF and WORD Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

COMCONF03_086

Index date: 26 April 2017

بررسی و ارزیابی روش های یادگیری ماشین جهت پیش بینی احتمال بستری مجدد بیماران قلبی abstract

از آنجایی که افزایش نرخ بستری مجدد بیماران هزینه های زیادی را در پی خواهد داشت، هدف از ارایه این مقاله طراحی مدل هایی است که بتواند خطر بستری مجدد بیماران را پیش بینی کند و تا حدود زیادی این هزینه ها را کاهش دهد. در این مقاله، برخی الگوریتم های داده کاوی و یادگیری ماشین برای پیش بینی احتمال بستری مجدد بیماران قلبی مورد بررسی قرار گرفته است. از آنجایی که تنها داده ای که برای این مدل ها در دسترس است سوابق پزشکی بیماران می باشد، تنها ابزارهای امیدوار کننده که می توانند الگوهای توصیفی برای بستری مجدد را از این داده ها استخراج کنند، الگوریتم های یادگیری ماشین هستند. این الگوریتم ها از جنبه های مختلفی مقایسه می شوند. هر کدام از روش ها از نظر قابلیتی بر دیگری ارجحیت دارند. با به کارگیری و پیاده سازی روش هایی با دقت و صحت عملکرد بالا می توان خطر بستری مجدد بیماران را پیش بینی کرده و به میزان قابل توجهی در هزینه ها صرفه جویی کرد.

بررسی و ارزیابی روش های یادگیری ماشین جهت پیش بینی احتمال بستری مجدد بیماران قلبی Keywords:

مدل پیش بینی خطر , یادگیری ماشین , بستری مجدد بیماران قلبی

بررسی و ارزیابی روش های یادگیری ماشین جهت پیش بینی احتمال بستری مجدد بیماران قلبی authors

سید مهدی جامعی

عضو هیات علمی گروه کامپیوتر، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران

رعنا آخوندی

دانشجوی کارشناسی ارشد گروه کامپیوتر، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، 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 :
W.Dai, T.S. Brisimi, W.G. Adams, T.Mela, V.Saligrama, I.Ch. Paschalidis. (2014), ...
Zheng, B. Zhang, J. Yoon, S.W. Lam, S.S. Khasawneh, M. ...
_ Garrison, G.M. Mansukhani, M.P. Bohn, B. (2013), "Predictors of ...
Kramer, A. Higgins, T. Zimmerman, J. (2012), "Intensive care unit ...
Kociol, R.D. Lopes, R.D. Clare, R. Thomas, L. Mehta, R.H. ...
Bertsimas, D. Bjarnadottir, M.V. Kane, M.A. et al. (2008), "Algorithm ...
Hammill, B.G. Curtis, L.H. Fonarow, G.C. Heidenreich, P.A. Yancy, C.W. ...
Vaithianathan, R. Jiang, N. Ashton, T. (2012), "A model for ...
Cho, I. Park, I. Kim, E. et al. (2013), "Using ...
Hilbert, J.P. Zasadil, S. Keyser, D.J. Peele, P.B. (2014), "Using ...
نمایش کامل مراجع

مقاله فارسی "بررسی و ارزیابی روش های یادگیری ماشین جهت پیش بینی احتمال بستری مجدد بیماران قلبی" توسط سید مهدی جامعی، عضو هیات علمی گروه کامپیوتر، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران؛ رعنا آخوندی، دانشجوی کارشناسی ارشد گروه کامپیوتر، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران نوشته شده و در سال 1395 پس از تایید کمیته علمی سومین کنفرانس سراسری نوآوری های اخیر در مهندسی برق و کامپیوتر پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله مدل پیش بینی خطر، یادگیری ماشین، بستری مجدد بیماران قلبی هستند. این مقاله در تاریخ 6 اردیبهشت 1396 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 895 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که از آنجایی که افزایش نرخ بستری مجدد بیماران هزینه های زیادی را در پی خواهد داشت، هدف از ارایه این مقاله طراحی مدل هایی است که بتواند خطر بستری مجدد بیماران را پیش بینی کند و تا حدود زیادی این هزینه ها را کاهش دهد. در این مقاله، برخی الگوریتم های داده کاوی و یادگیری ماشین برای پیش بینی احتمال ... . این مقاله در دسته بندی موضوعی قلب و عروق و یادگیری ماشین طبقه بندی شده است. برای دانلود فایل کامل مقاله بررسی و ارزیابی روش های یادگیری ماشین جهت پیش بینی احتمال بستری مجدد بیماران قلبی با 9 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.