Thesis

جستجوی الگوی پنهان در ابتلاءبه سندروم نقص اکتسابی سیستم ایمنی در استان قم با استفاده از الگوریتم های داده کاوی

Abstract(in Persian; no English abstract is available)

ویروس نقص ایمنی در انسان (human immuno-deficiency virus) به بیماری مرگبار ایدز منجر می شود. این ویروس با حملات بی امان خود سیستم دفاعی بدن را چنان تضعیف می کند که حتی کوچکترین عفونت ها جان بیمار را به خطر می اندازد. تاکنون دست کم 32 میلیون نفر در سرتاسر جهان در اثر ابتلا به این ویروس جان خود را از دست داده اند. ویروس عامل نقص ایمنی در انسان به دو زیرگونه یک و دو تقسیم می شود و نوع غالب آن در جهان زیرگونه نوع یک می باشد. حوزه پزشکی و سلامت از بخش های مهم درجوامع صنعتی می باشد. استخراج دانایی از میان حجم انبوه داده های مرتبط با سوابق بیماری و پرونده های پزشکی افراد با استفاده از فرایند داده کاوی می تواند منجر به شناسایی قوانین حاکم بر ایجاد، رشد بیماری ها گردیده و اطلاعات ارزشمندی را به منظور شناسایی علل رخداد بیماری ها، پیش بینی و درمان بیماری ها با توجه به عوامل محیطی حاکم در اختیار متخصصین و دست اندرکاران حوزه سلامت قرار دهد. نتیجه این مسئله به معنای افزایش عمر و ایجاد آرامش برای افراد جامعه است. نتایج بدست آمده از الگوریتم های داده کاوی نشان می دهد که جنس مرد، تاهل، بیکاری، بیسوادی، سابقه سوء مصرف مواد و تماس جنسی از مهمترین عوامل معین در ابتلا سندروم نقص اکتسابی سیستم ایمنی در استان قم به شمار می رود. بررسی دلائل ابتلا بیماران بر اساس خود اظهاری نشان می دهد که، 54% رفتارهای جنسی، 37% فرو رفتن جسم نافذ و 9% پاشیدن ترشحات باعث انتقال بیماری شده است. همچنین نتایج نشان می دهد که وضعیت تحصیلات این افراد در سطح بسیار پایینی قرار دارد. ویروس hiv دو زیر گونه 1 و 2 دارد. شیوع ابتلا به زیرگونه 1 بیشتر بوده ولی دوره ابتلا تا ظهور بیماری در زیر گونه 2 بسیار طولانی تر است. از آنجا که زمان ابتلا تا بروز بیماری در این زیر گونه زیاد می باشد ارائه روشهایی برای شناسایی زیرگونه ها می تواند خطرات احتمالی را کم نماید. در این پایان نامه از الگوریتم های بیز ساده و درخت تصمیم برای شناسایی الگوهای پنهان در افراد مبتلا به سندروم نقص اکتسابی سیستم ایمنی در استان قم استفاده گردید همچنین از الگوریتم های وزن دهی،انتخاب ویژگی، شبکه های عصبی پرسپترون چند لایه و ماشین بردار پشتیبان برای تمایز بین زیرگونه های hiv در سطح مولکولی انجام و بهترین مدل در محیط متلب پیاده سازی و بهینه سازی شد. مدل پیاده سازی شده در محیط متلب در شناسایی زیرگونه های hiv با دقت (96درصد) و میزان خطای( 4 درصد) عمل می کند

Supervisors and advisors

منصور ابراهیمی، روح الله دیانت