تشخیص بیماری های قلبی با استفاده از داده کاوی (درخت تصمیم)
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,794
This Paper With 10 Page And PDF and WORD 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:
شناسه ملی سند علمی:
COMCONF03_090
تاریخ نمایه سازی: 6 اردیبهشت 1396
Abstract:
تسری به کارگیری تکنیک های علوم کامپیوتر به منظور افزایش دقت و کارایی در کنار کمک به فرآیند تصمیم گیری در تمامی حوزه ها نشان دهنده ظرفیت و قابلیت های این تکنیک ها می باشد. امروزه شاهد پیشرفت این علوم در حوزه سلامت و پزشکی به خصوص در زمینه هایی که داده های حجیم و با ارزش از وضعیت افراد در دست می باشد، هستیم. از بارز ترین این زمینه ها، بیماری های قلبی-عروقی به شمار می روند. روش های تشخیص این بیماری ها با محدودیت های مختلفی مواجه هستند. از این جمله می توان به تشخیص بیماری قلبی به اشتباه در شرایطی که علت اصلی علایم بیماری دیگری است اما علایمی شبیه به بیماری قلبی دارد یا عدم مشاهده نشانه های غیر عادی در معاینات و در نتیجه تشخیص اشتباه اشاره کرد. به منظور کاهش اعمال روش های درمانی غیر ضروری بیمارستانی و کاهش تشخیص های نادرست، در این مقاله سعی شده است تا با استفاده الگوریتم های درخت تصمیم از مجموعه روش های داده کاوی -با ویژگی قابلیت درک بصری مدل برای پزشکان- و با تکیه بر داده های مربوط به مراجعین مشکوک به بیماران قلبی روشی برای کمک به تشخیص بیماری قلبی ارایه شود. نتایج پیاده سازی روش پیشنهادی مورد بحث قرار گرفته است و تحلیل های مربوط به مدل استخراجی ارایه شده است.
Keywords:
Authors
سید محمد ایوب زاده
دانشجوی کارشناسی ارشد انفورماتیک پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران
مریم شاه پسند
کارشناس ارشد مهندسی فناوری اطلاعات، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر، تهران، ایران
آوا اسدی
کارشناس ارشد مهندسی فناوری اطلاعات، دانشکده علوم فنون نوین، دانشگاه تهران، 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 :