مروری بر تشخیص و درمان دیابت با استفاده از تکنیک های داده کاوی

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 725

This Paper With 5 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:

UTCONF01_271

تاریخ نمایه سازی: 19 خرداد 1396

Abstract:

دیابت ملیتوس به یک مشکل متابولیکی که به دلیل اختلال عملکرد در ترشح انسولین و تاثیر آن در بدن اتفاق می افتد اطلاق می گردد و با افزایش قندخون مشخص می گردد. بالا بودن مداوم قند خون سبب آسیب به اندام های مختلف بدن از جمله کلیه ها، چشم ها، اعصاب، عروق خونی و قلب می شود. در حال حاضر تشخیص دیابت امر بسیار مهمی است و جهت برآورده شدن این امر تلاش های بسیاری انجام پذیرفته و همچنین تکنیک های متفاوتی در راستای تشخیص بیماری دیابت صورت گرفته است. در این مقاله، هدف مرور مطالعات انجام شده توسط محققین مختلف در حوزه داده کاوی و مقایسه کارایی تکنیک های مختلف آن در زمینه پیش بینی این بیماری می باشد. تکنیک های داده کاوی جهت یافتن الگوهای جالب برای تشخیص های پزشکی و درمان مورد استفاده قرار می گیرد. تشخیص بیماری دیابت می تواند توسط الگوریتم ها و تکنیک های متعدد داده کاوی مانند شبکه های عصبی مصنوعی، طبقه بندی، ماشین های برداری پشتیبان، نزدیک ترین همسایه K، درخت تصمیم و ... انجام گردد.

Keywords:

داده کاوی , تکنیک های داده کاوی , دیابت , تشخیص , درمان

Authors

افسانه محبوبیان

دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، تهران، ایران

مهدی خلیلی

استادیار، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، 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 :
  • Agrawal, P. and Dewangan, A.K., 2015. _ brief survey on ...
  • Bellazzi, R. and Zupan, B., 2008. "Predictive data mining in ...
  • Lingaraj, H., Devadass, R., Gopi, V. and Palanisamy, K., 2015. ...
  • Farahmandian, M., Lotfi, Y. and Maleki, I., 2015. "Data Mining ...
  • Huang Y. McCullagh P. Black N. and Harper R., 2007. ...
  • Barakat, N., Bradley, A.P. and Barakat, M.N.H., 2010. "Intelligible Support ...
  • Sonukumari, A., 2013. _ data mining approach for the Diagnosis ...
  • Weng, C.H., Bradley, A.P. and Barakat, M.N.H., 2014. "Disease prediction ...
  • Iyer, A., Jeyalatha, S. and Sumbaly, R., 2015. "Diagnosis of ...
  • Sadri S.S., Maleki, A., Hashemi, R., Panbechi, Z. and Chalabi, ...
  • Zheng, T., Xie, W., Xu, L., He, X., Zhang, Y., ...
  • نمایش کامل مراجع