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:

1,259
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

391
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارایه روشی جهت تشخیص سندرم متابولیک بر مبنای الگوریتم داده کاوی KNN، مطالعه موردی: بیمارستان شهدای کارگر یزد

صفحات

 صفحه شروع 291 | صفحه پایان 304

چکیده

 مقدمه: سندروم متابولیک به معنای وجود گروهی از عوامل خطر ساز برای بروز بیماری های قلبی- عروقی و دیابت در یک شخص است. وجود علائم و ویژگی های مختلف این بیماری, تشخیص را برای پزشکان دشوار می کند. داده کاوی امکان تحلیل داده های بالینی بیماران برای تصمیم گیری های پزشکی را فراهم می کند. هدف این مقاله, ارائه یک مدل برای افزایش دقت پیش بینی سندرم متابولیک است.روش: در این مطالعه کاربردی-توصیفی, پرونده پزشکی 1499 بیمار مبتلا به سندرم متابولیک با تعداد 15 ویژگی مورد بررسی قرار گرفت. اطلاعات بیماران از پایگاه داده استاندارد بیمارستان فوق تخصصی شهدای گارگر یزد جمع آوری شد. هر یک از بیماران حداقل به مدت یک سال تحت پیگیری بودند. در این مقاله برای پیش بینی و تشخیص سندرم متابولیک, از الگوریتم کلونی زنبور عسل برای بهینه سازی نتایج الگوریتم داده کاوی KNN استفاده شد و یک مدل جدید ارائه گردید.نتایج: بر اساس تابع هدف برای پیش بینی عارضه افزایش چربی خون از روش پیشنهادی, الگوریتم های گرگ خاکستری, ازدحام ذرات و ژنتیک برای بهبود عملکرد الگوریتم KNN استفاده شد. تحلیل های صورت گرفته نشان می دهد که مدل پیشنهادی با دقت پیش بینی 0.921 از روش های فازی, ماشین بردار پشتیبان, درخت تصمیم و شبکه عصبی دقت بیشتر دارد.نتیجه گیری: جستجو در پایگاه داده های پزشکی برای رسیدن به دانش و اطلاعات جهت پیش بینی, تشخیص و تصمیم گیری از کاربردهای داده کاوی در پزشکی است. می توان از الگوریتم های وراثتی برای بهینه سازی تکنیک های داده کاوی استفاده کرد. پیش بینی و تشخیص صحیح سندرم متابولیک با استفاده از هوش مصنوعی و یادگیری ماشین, شانس درمان موفق را بالا می برد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    لعل دشتی، جواد، محمدی، محسن، و پدیدران مقدم، فرهنگ. (1396). ارایه روشی جهت تشخیص سندرم متابولیک بر مبنای الگوریتم داده کاوی KNN, مطالعه موردی: بیمارستان شهدای کارگر یزد. انفورماتیک سلامت و زیست پزشکی، 4(4 )، 291-304. SID. https://sid.ir/paper/258924/fa

    Vancouver: کپی

    لعل دشتی جواد، محمدی محسن، پدیدران مقدم فرهنگ. ارایه روشی جهت تشخیص سندرم متابولیک بر مبنای الگوریتم داده کاوی KNN, مطالعه موردی: بیمارستان شهدای کارگر یزد. انفورماتیک سلامت و زیست پزشکی[Internet]. 1396؛4(4 ):291-304. Available from: https://sid.ir/paper/258924/fa

    IEEE: کپی

    جواد لعل دشتی، محسن محمدی، و فرهنگ پدیدران مقدم، “ارایه روشی جهت تشخیص سندرم متابولیک بر مبنای الگوریتم داده کاوی KNN, مطالعه موردی: بیمارستان شهدای کارگر یزد،” انفورماتیک سلامت و زیست پزشکی، vol. 4، no. 4 ، pp. 291–304، 1396، [Online]. Available: https://sid.ir/paper/258924/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