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:

325
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

593
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیشنهاد یک راه کار فناورانه موثر جهت تشخیص زودهنگام بیماری کووید-19: مطالعه مبتنی بر یادگیری ماشین داده محور

صفحات

 صفحه شروع 68 | صفحه پایان 78

چکیده

 هدف: تشخیص صحیح, دقیق و به موقع بیماری کووید-19 با استفاده از فناوری های هوش مصنوعی و یادگیری ماشین نقش مهمی در بهبود شاخص های بیماری, استفاده بهینه از منابع محدود بیمارستانی و کاهش بار کاری کارکنان خط مقدم پاندمی خواهد داشت. بنابراین هدف: پژوهش حاضر ارزیابی کارایی الگوریتم های منتخب داده کاوی در تشخیص بیماری کویید-19 خواهد بود. روش ها: پژوهش حاضر یک مطالعه گذشته نگر و توصیفی کاربردی است. در این مطالعه از داده های بیماران بستری شده با تشخیص قطعی کوویید-19 در بازه زمانی 27 اسفند 1398 لغایت 20 آذر 1399 که در پایگاه داده پرونده الکترونیک سلامت بیماری کووید-19 بیمارستان آیت الله طالقانی شهرستان آبادان ثبت شده است, استفاده گردید. پس از اعمال معیارهای ورود و خروج برای شناسایی نمونه ها در نهایت 400 رکورد به عنوان ورودی و تغذیه وارد نرم افزار داده کاوی وکا ورژن 3. 9 شد. داده ها با استفاده از ملاک کای دو برای تعیین متغیرها به منظور آموزش الگوریتم ها, عملکرد آن ها براساس معیارهای مختلف ارزیابانه در ماتریس آشفتگی مورد مقایسه قرار گرفتند. نتایج: براساس مقایسه عملکرد الگوریتم های داده کاوی با توجه به معیارهای ارزیابانه در ماتریس آشفتگی, الگوریتم J-48 با میزان حساسیت, دقت, و ضریب همبستگی ماتیوس به ترتیب 0/85, 0/85, 0/68 عملکرد بهتری نسبت به سایر الگوریتم های داده کاوی برای تشخیص بیماری کووید-19 داشت. 3 متغیر وجود ضایعات ریوی, تب و سابقه تماس با افراد مظنون به کرونا با در نظر گرفتن شاخص جینی ایندکس برای تعیین نقطه تقسیم, به ترتیب با میزان جینی ایندکس 0/217, 0/205 و 0/188 به عنوان مهم ترین فاکتورهای موثر در تشخیص کرونا در نظر گرفته شدند. نتیجه گیری: استفاده از روش ها: ی داده کاوی منتخب و به طور خاص الگوریتم J-48 قابلیت بالایی در تشخیص به موقع و اثربخش بیماری کووید-19 در قالب سیستم های پشتیبان تصمیم یار بالینی خواهد داشت.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    نوپور، رئوف، شنبه زاده، مصطفی، و کاظمی آرپناهی، هادی. (1400). پیشنهاد یک راه کار فناورانه موثر جهت تشخیص زودهنگام بیماری کووید-19: مطالعه مبتنی بر یادگیری ماشین داده محور. اطلاع رسانی پزشکی نوین، 7(1 )، 68-78. SID. https://sid.ir/paper/955384/fa

    Vancouver: کپی

    نوپور رئوف، شنبه زاده مصطفی، کاظمی آرپناهی هادی. پیشنهاد یک راه کار فناورانه موثر جهت تشخیص زودهنگام بیماری کووید-19: مطالعه مبتنی بر یادگیری ماشین داده محور. اطلاع رسانی پزشکی نوین[Internet]. 1400؛7(1 ):68-78. Available from: https://sid.ir/paper/955384/fa

    IEEE: کپی

    رئوف نوپور، مصطفی شنبه زاده، و هادی کاظمی آرپناهی، “پیشنهاد یک راه کار فناورانه موثر جهت تشخیص زودهنگام بیماری کووید-19: مطالعه مبتنی بر یادگیری ماشین داده محور،” اطلاع رسانی پزشکی نوین، vol. 7، no. 1 ، pp. 68–78، 1400، [Online]. Available: https://sid.ir/paper/955384/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.
  • 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