ارائه روشی برای پیش بینی بیماری آلزایمر بوسیله مدل درخت تصمیم گیری

مجهز شدن علم پزشکی به ابزارهای هوشمند در تشخیص و درمان بیماری ها می تواند اشتباهات پزشکان و خسارت جانی و مالی را کاهش دهد. دراین پژوهش کاربردهای شبکه عصبی مصنوعی ودرخت تصمیم گیری در پزشکی مورد بررسی قرار گرفته است. بررسی نمونه های عملی انجام شده ایده های مناسبی برای تحقیقات بعدی ایجاد می کند. این پژوهش به بررسی اولویت و وابستگی متغیرهای این بیماری می پردازد که در روند پیش بینی بیماری می تواند در تشخیص به پزشکان کمک زیادی کند. و در انتها بوسیله روش های شبکه عصبی مصنوعی ودرخت تصمیم گیری به مقایسه بیماری ها می پردازد. و به این نتیجه دست می یابیم که روش درخت تصمیم گیری دارای کمترین نرخ طبقه بندی نادرست نسبت به مدل شبکه عصبی مصنوعی می باشد. و میزان صحت پیش بینی این دو روش شبکه عصبی مصنوعی و درخت تصمیم گیری که از روش های داده کاوی می باشد به ترتیب برابر 85/83 درصد و 91/34 درصد بدست آمده است. پس باز هم می توانیم به چنین نتیجه ای برسیم که مدل درخت تصمیم گیری برای علوم پزشکی بهترین مدل برای پیش بینی وتجزیه وتحلیل می باشد و ما را به بهترین نتیجه گیری هدایت می کند.

Keywords:

داده کاوی , شبکه عصبی مصنوعی , درخت تصمیم گیری , پیش بینی , بیماری آلزایمر