بهبود تشخیص بیماری اوتیسم با استفاده از الگوریتم های بیز و درخت

در سالهای اخیر، توجه زیادی به برخی از بیماریهای نوروبیولوژیکی کودکان از جمله اوتیسم Spectrum (Autism Disorder) جلب شده است. اوتیسم بیماری است که منجر به ایجاد مشکلاتی درگفتار، انجام مهارتهای اجتماعی و نیز ب روزحرکات تکراری، کلیشه ای و رفتارهای بی هدف میشود. اوتیسم شامل اختلالات پیچیدهای است که پاتوژنز آنها بطور دقیق مشخص نشده است در طی دهه ی 1970 ، شیوع اوتیسم در ایالات متحده ی آمریکا معادل3-1 در هر ده هزار تولد گزارش شده است. در اوایل قرن 21شیوع اوتیسم به 1در150 رسیده است. به دلیل شیوع با لای اوتیسم و نیز افزایش پیشروندهی آن، شناسایی مکانیسم های پاتوفیزیولوژیکی دخیل در اوتیسم که بتواند تظاهرات بالینی آن را توضیح دهد، ضروری به نظر می رسد. شناخت بیومارکرهایی که در پاتوژنز اوتیسم نقش دارند، می تواند کمک شایانی در تشخیص دقیق تر، به موقع و نیز درمانهای بهتر و موثرتر برای مبتلایان فراهم آورد . با توجه به اینکه بیماری اوتیسم یک طیف گسترده ای از اختلالات است و مکانیسم های دخیل در آن مشخص نشده است امروزه در دانش پزشکی جمع آوری داده های فراوان در مورد بیماری های مختلف از اهمیت فراوانی بر خور دار است مراکز پزشکی با مقاصد گوناگونی به جمع آوری این داده ها میپردازند . تحقیق روی این داده ها و به دست آوردن نتایج و اگلو های مفید در این رابطه با بیماری ها، یکی از اهداف استفاده از این داده هاست . حجم زیاد این داده ها و سردرگمی حاصل از آن مشکلی است که مانع رسیدن به نتایج قابل توجه می شود . بنابراین از داده کاوی برای غلبه بر این مشکل و به دست آوردن روابط مفید بین عوامل خطر زا در بیماری ها استفاده می شود. این مقاله به مقایسه الگوریتم های داده کاوی بیز و درخت بر روی دیتاست اوتیسم پرداخته است. نتایج بدست آمده مقادیر معیار f برابر 99/6و98/7 را به ترتیب برای الگوریتم هاز درخت و بیز نشان می دهد

Keywords:

الگوریتم بیز , درخت تصمیم گیری , دیتاست اوتیسم