Thesis

انتخاب الگوریتم مناسب برای تشخیص بیماری های سیستم استخوانی بدن با استفاده از داده کاوی پزشکی

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

داده کاوی، فرآیندی است که با استفاده از تکنیک های هوشمند، دانش را از بین مجموعه ای از داده ها استخراج می کند. یکی از حوزه هایی که می توان از داده کاوی به طور موثر کمک گرفت و نتایج قابل توجهی به دست آورد، داده های پزشکی است. حوزه پزشکی و سلامت از بخش های مهم جوامع صنعتی می باشد. با توجه به اینکه بیماری های مرتبط با سیستم استخوانی بدن بسیار شایع هستند و بی توجهی بیمار نسبت به آن ها سبب تشدید بیماری می گردد، لازم است اولاً وضعیت این بیماری در جامعه به طور دقیق مشخص شود و ثانیاً عواملی که در انتشار این بیماری، موثر است شناسایی شوند تا بر اساس این عوامل، بهترین روش کنترل بیماری های استخوانی مورد استفاده قرار گیرد. در صورت دسته بندی صحیح، نوعی صرفه-جویی در زمان و هزینه بیماران و پزشکان را خواهیم داشت. در این تحقیق از سوابق مراجعه کنندگان مشکوک به ضایعات سیستم استخوانی بدن استفاده شد، تلاش شد تا بر اساس حداقل ویژگی های ثبت شده (نظیر سن، جنسیت و علائم نشانه بیماری در هنگام مراجعه به بیمارستان) در مرکز درمانی مربوطه، دسته بندی مناسبی از وضعیت جسمی بیماران نسبت به تشخیص صورت گرفته توسط پزشک انجام شود. جهت اجرای خودکار الگوریتم ها، از نرم افزار تخصصی داده کاوی clementine 12.0 spssاستفاده شد که در آن مدل های پیش بینی و تصمیم ساخته می شود. ابتدا پس از آماده-سازی داده ها، سه الگوریتم رایج درخت تصمیم cart، quest و chaidانتخاب و سپس با هم مقایسه گردید. الگوریتم cartبه دلیل داشتن بیشترین دقت در انجام دسته بندی به عنوان بهترین الگوریتم درخت تصمیم از بین سه الگوریتم یاد شده جهت دسته بندی بیماران مشکوک به ضایعات سیستم استخوانی بدن معرفی شد. با وجود مشکلات و موانعی که در زمینه داده کاوی پزشکی وجود دارد، اهمیت داده های پزشکی و نقش کلیدی روش های تحلیل و کسب دانش مفید از این داده ها در سلامت بشر، به نظر می رسد که داده کاوی پزشکی باید تبدیل به یکی از مهم ترین حوزه های کاری داده کاوی گردد و بستر مناسبی برای متخصصین سراسر دنیا فراهم شود تا در زمینه رشد و تعالی روش ها و ابزارهای کسب دانش از این داده ها گام هایی برداشته شود.

Supervisors and advisors

احمد فراهی

Similar theses

Similar items

  • تشخیص لوسمی لنفوسیتی و میلوئیدی حاد با استفاده از انتخاب ژن داده های ریز آرایه و الگوریتم های داده کاوی

    Articleفصلنامه پژوهشی خونراضیه شیخ پور، r. sheikhpour دانشگاه یزد مهدی آقاصرام، m. aghaseram دانشگاه یزدسازمان اصلی تایید شده: دانشگاه یزد (yazd university) رباب شیخ پور، r. sheikhpour دانشکده پزشکی، واحد یزد، دانشگاه آزاد اسلامی و مرکز تحقیقات خون و انکولوژیسازمان اصلی تایید شده: دانشگاه یزد (yazd university)سازمان های دیگر: دانشگاه علوم پزشکی شهید صدوقی

    چکیده سابقه و هدف تکنولوژی ریزآرایه، یک تصویر کلی از میزان بیان هزاران ژن به طور هم زمان ارایه می دهد. تفسیر داده های ریز آرایه بدون آنالیز آماری و روش های هوش مصنوعی ممکن نیست. هدف این مقاله، تشخیص انواع لوسمی حاد با استفاده از مجموعه داده های ریز آرایه و الگوریتم های داده کاوی

  • تشخیص سرطان پستان با استفاده از کاهش دو مرحله ای ویژگی های استخراج شده آسپیراسیون سوزنی و الگوریتم های داده کاوی

    Articleبیماری های پستانراضیه شیخ پور، razieh sheikhpour مهدی آقاصرام، mahdi agha sarram محمدرضا زارع میرک آباد، mohammad reza zare mirakabad رباب شیخ پور

    چکیده مقدمه: تشخیص زودهنگام سرطان پستان نقش بسیار کلیدی در درمان و حیات بیمار ایفا می کند. امروزه با استفاده از خصوصیات استخراج شده از آزمایش آسپیراسیون سوزنی و الگوریتم های داده کاوی می توان روش های نوین و هوشمندی در نظام سلامت و درمان ارایه داد که با دقت بالایی قادر به تشخیص سر

  • استخراج الگوی پروتئینی از داده طیف جرمی لیزری جهت تشخیص سرطان پستان با استفاده از الگوریتم داده کاوی

    Articleلیزر پزشکیحسین منتظری کردی، دانشگاه تربیت مدرسسازمان اصلی تایید شده: دانشگاه تربیت مدرس (tarbiat modares university) محمدحسین میران بیگی، دانشگاه تربیت مدرسسازمان اصلی تایید شده: دانشگاه تربیت مدرس (tarbiat modares university) محمدحسن مرادی، دانشگاه صنعتی امیرکبیرسازمان اصلی تایید شده: دانشگاه صنعتی امیرکبیر (amirkabir university of technology) معصومه نجفی

    زمینه و هدف: یکی از مشکلات اساسی در درمان بیماری سرطان، عدم وجود روشی مناسب در تشخیص زودرس آن می‏باشد. سرطان پستان یکی از بیماری های شایع در بین زنان می باشد که تشخیص در مراحل اولیه می تواند تأثیر بسزایی در میزان مرگ و میر زنان داشته باشد. در حال حاضر، نشانگرهای تومور مناسب برای

  • سیستم تصمیم‌یار پزشکی برای تشخیص بیماری دیابت و هپاتیت مبتنی بر ترکیب بهینه‌سازی اجتماع ذرات و الگوریتم کرم شب‌تاب

    Article2019مجله انفورماتیک سلامت و زیست پزشکیفرهاد سلیمانیان قره چپق، سید کیوان موسوی

    مقدمه: سیستم‌های تصمیم یار پزشکی در قالب یک برنامه کامپیوتری طراحی می‌شوند و به متخصصان پزشکی در اتخاذ تصمیمات تشخیص بیماری، کمک می‌کنند. هدف اصلی این گونه سیستم‌ها در واقع یاری رساندن به پزشکان در زمینه تشخیص بیماری می‌باشد، بدین‌معنی که یک پزشک می‌تواند با سیستم تعامل داشته باش

  • پیشگویی مدل ریسک فاکتورهای فیبریلاسیون دهلیزی و بیماری عروق کرونر با استفاده از الگوریتم های داده کاوی

    Article2023علوم پیراپزشکی و توانبخشیآرزو زینلی، علی اصغر رستگاری، رامش منجمی، حامد خدادادی

    هدف:مشکلات قلبی عروقی یکی از شایع ترین علل مرگ و میر در سراسر جهان است. استفاده از روش های داده کاوی برای ایجاد مدل های پیش بینی برای شناسایی افراد در معرض خطر برای جلوگیری از عوارض ناشی از بیماری های قلبی عروقی بسیار موثر خواهد بود. انگیزه اصلی این تحقیق پیش‌بینی احتمال عفونت در

  • ارائه مدل پیش بینی تشخیص عوامل ناباروری با استفاده از الگوریتم های داده کاوی

    Articleمدیریت سلامتسمیرا درمحمدی، s dormohammadi k.n toosi university of technologyدانشگاه خواجه نصیرالدین طوسی سمیه علیزاده، s alizadeh k.n toosi university of technologyدانشگاه خواجه نصیرالدین طوسی محسن اصغری، m asghari k.n toosi university of technologyدانشگاه خواجه نصیرالدین طوسی مریم شامی

    مقدمه: حدود 15-10 درصد از زوجین نابارور هستند. ناباروری علل متفاوتی دارد و تشخیص روش درمان بیماران بر اساس نوع عامل ناباروری آن ها انجام می شود. در این تحقیق مدلی ارائه شده است که بر اساس ویژگی های اولیه و نتایج آزمایشات ساده علل ناباروری افراد را پیش بینی می کند که می تواند به پ