مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

761
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

795
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه الگوریتم های مختلف طبقه بندی داده ها برای تعیین نوع زردی در نوزادان

صفحات

 صفحه شروع 541 | صفحه پایان 548

چکیده

 زمینه و هدف: زردی در نوزادان مبحثی است که برای متخصصان در سراسر دنیا بسیار مهم تلقی می شود. زیرا این بیماری یکی از عمده ترین وضعیت هایی است که به توجه بالینی نیازمند است. هدف از انجام این پژوهش استفاده از تکنیک های طبقه بندی داده ها برای پیش بینی به موقع نوع زردی نوزادان و در نتیجه پیشگیری از آسیب های جبران ناپذیر به سلامت نوزادان بوده است.روش بررسی: این پژوهش از نوع توصیفی بوده و با استفاده از مجموعه داده های جمع آوری شده درباره زردی نوزادان در شهر قاهره مصر انجام شده است. در این بررسی پس از پیش پردازش داده ها, تکنیک های داده کاوی از قبیل درخت تصمیم, Naïve Bayes و k) kNN نزدیکترین همسایه) در نرم افزار Orange بررسی, مقایسه و تحلیل شده است.یافته ها: یافته های حاصل از پژوهش نشان داد که الگوریتم درخت تصمیم با دقت 94 درصد, الگوریتم Naïve Bayes با دقت 91 درصد و الگوریتم نزدیک ترین همسایه با دقت 89 درصد نوع زردی در نوزادان را طبقه بندی می کنند. بنابراین بهترین الگوریتم از لحاظ دقت عملکرد در بین روش های طبقه بندی کننده, الگوریتم درخت تصمیم شناخته شد. نتیجه گیری: استفاده از الگوریتم های طبقه بندی در ساخت سیستم های تصمیم یار می تواند به پزشکان در تصمیم گیری درباره نوع بیماری ها کمک کند و متخصصان می توانند برای رسیدگی به بیماران متناسب با نوع بیماری اقدام کنند که طی آن مخاطرات احتمالی در اثر عدم شناسایی به موقع یا صحیح بیماری کاهش خواهد یافت.

استنادها

  • ثبت نشده است.
  • ارجاعات

    استناددهی

    APA: کپی

    صفدری، رضا، کدیور، ملیحه، تبری، پریناز، و شاوکی اون، هالا. (1396). مقایسه الگوریتم های مختلف طبقه بندی داده ها برای تعیین نوع زردی در نوزادان. پیاورد سلامت، 11(5 )، 541-548. SID. https://sid.ir/paper/149722/fa

    Vancouver: کپی

    صفدری رضا، کدیور ملیحه، تبری پریناز، شاوکی اون هالا. مقایسه الگوریتم های مختلف طبقه بندی داده ها برای تعیین نوع زردی در نوزادان. پیاورد سلامت[Internet]. 1396؛11(5 ):541-548. Available from: https://sid.ir/paper/149722/fa

    IEEE: کپی

    رضا صفدری، ملیحه کدیور، پریناز تبری، و هالا شاوکی اون، “مقایسه الگوریتم های مختلف طبقه بندی داده ها برای تعیین نوع زردی در نوزادان،” پیاورد سلامت، vol. 11، no. 5 ، pp. 541–548، 1396، [Online]. Available: https://sid.ir/paper/149722/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button