مدل‌های یادگیری ماشین برای پیش‌بینی تشخیص بیماری کبد

Authors

  • منتظری, میترا
Abstract:

  سابقه و هدف: کبد مهم‌ترین ارگان داخلی بدن می‌باشد که نقش اصلی در متابولیسم بدن دارد. بیماری کبد را نمی‌توان به راحتی در مراحل اولیه کشف کرد زیرا کبد حتی زمانی که قسمتی از آن نیز آسیب‌دیده باشد به درستی کار می‌کند و این خود تشخیص این بیماری را مشکل می‌کند. ابزارهای طبقه‌بندی اتوماتیک به عنوان یک ابزار کمک تشخیص باعث کاهش بار کاری پزشکان می‌گردد. طبقه‌بندی‌هایی که به منظور تشخیص هوشمند بیماری کبد در این پژوهش مورد استفاده قرار گرفته است شامل دسته‌بند‌های Naïve Bayes, Trees Random Forest 1NN, AdaBoost, SVM, می‌باشند. مواد و روش‌ها: داده‌های مورد استفاده از سوابق 583 بیمار است که این مجموعه داده در دانشگاه کالیفرنیا در سال 2013 به ثبت رسیده است. برای ارزیابی مدل‌های استفاده شده از اعتبارسنجی ضرب‌دری از نوع k-لایه استفاده شده است. 5 مدل ماشین یادگیری از نظر ویژگی، حساسیت، سطح زیر منحنی راک و دقت دسته‌بندی مقایسه شدند. یافته‌ها: میزان دقت این 5 مدل به ترتیب 55%، 72%، 64%، 70% و 71% و سطح زیر منحنی راک به ترتیب 72/0، 72/0، 59/0، 67/0 و 5/0 است.  نتیجه‌گیری: مدل Trees Random Forest بهترین مدل ارزیابی گردید که دارای بالاترین میزان دقت می‌باشد. از نظر سطح زیر منحنی راک مدل Trees Random Forest و Naïve Bayes بیش‌ترین سطح زیر منحنی را دارا می‌باشند. لذا به‌کارگیری مدل Trees Random Forest در زمینه تشخیص و پیش‌بینی بیماری کبد پیشنهاد می‌شود. این امر در تحقیقات مرتبط با حوزه‌ی سلامت و به‌خصوص در تخصیص منابع درمانی برای افرادی که پرمخاطره پیش‌بینی می‌شوند از اهمیت بالایی برخوردار است

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مدل های یادگیری ماشین برای پیش بینی تشخیص بیماری کبد

سابقه و هدف: کبد مهم ترین ارگان داخلی بدن می باشد که نقش اصلی در متابولیسم بدن دارد. بیماری کبد را نمی توان به راحتی در مراحل اولیه کشف کرد زیرا کبد حتی زمانی که قسمتی از آن نیز آسیب دیده باشد به درستی کار می کند و این خود تشخیص این بیماری را مشکل می کند. ابزارهای طبقه بندی اتوماتیک به عنوان یک ابزار کمک تشخیص باعث کاهش بار کاری پزشکان می گردد. طبقه بندی هایی که به منظور تشخیص هوشمند بیماری کبد...

full text

تعیین پارامترهای منطق فازی با بکارگیری الگوریتم ژنتیک برای تشخیص بیماری کبد

مقدمه: بیماری کبد یکی از شایع‌ترین مشکلات مزمن کبدی و سیروز می‌باشد. مشکلات کبدی شامل طیف وسیعی از بیماری‌ها و نارسایی‌‌هایی هستند که به بافت کبد یا عملکرد آن آسیب می‌رسانند. تشخیص زودهنگام و درمان این بیماری می‌تواند مرگ‌و‌میر و درجه بیماری را کاهش دهد. روش: این مطالعه از نوع توصیفی-تحلیلی است. پایگاه داده آن شامل 583 رکورد مستقل شامل 11 ویژگی موجود در پایگاه داده یادگیری ماشین UCI می‌باشد. در...

full text

تعیین پارامترهای منطق فازی با بکارگیری الگوریتم ژنتیک برای تشخیص بیماری کبد

مقدمه: بیماری کبد یکی از شایع‌ترین مشکلات مزمن کبدی و سیروز می‌باشد. مشکلات کبدی شامل طیف وسیعی از بیماری‌ها و نارسایی‌‌هایی هستند که به بافت کبد یا عملکرد آن آسیب می‌رسانند. تشخیص زودهنگام و درمان این بیماری می‌تواند مرگ‌و‌میر و درجه بیماری را کاهش دهد. روش: این مطالعه از نوع توصیفی-تحلیلی است. پایگاه داده آن شامل 583 رکورد مستقل شامل 11 ویژگی موجود در پایگاه داده یادگیری ماشین UCI می‌باشد. در...

full text

بررسی یک سیستم پشتیبان تصمیم ترکیبی براساس مجموعه راف و یادگیری ماشین برای تشخیص بیماری هپاتیت

یکی از کاربردهای علوم کامپیوتر، تصمیم گیری در مسائل تشخیص پزشکی است. داده کاوی، علمی جدید می باشد که با استخراج دانش از داده، به تصمیم گیری بهتر پزشکان کمک می کند؛ به همین دلیل نقش عمده ای در سیستم های پشتیبان تصمیم ایفا می کند. هپاتیت یکی از مشکلات عمده زمینه بهداشت و درمان در سطح جهان است، زیرا تشخیص زودهنگام و درمان اولیه بیماری هپاتیت به دلیل علائم بالینی اندک، دشوار است. ویژگی ها یا عوام...

تاثیر چرخه تجاری بر پایداری مدلهای پیشبینی ورشکستگی

پژوهش حاضر به بررسی تاثیر چرخه تجاری بر پایداری الگوهای پیش­بینی ورشکستگی در محیط اقتصادی ایران می­پردازد. در این پژوهش چرخه تجاری ایران با استفاده از فیلتر هدریک پرسکات شناسایی شده و برای پیش­بینی ورشکستگی از مدل‌های لاجیت و تحلیل تمایزی استفاده شده است. داده­های مالی 118 شرکت پذیرفته شده در بورس اوراق بهادار تهران برای سال‌های 1381تا 1390 جمع‌آوری و فرضیه پژوهش با مقایسه کارایی و پایداری مدل‌...

full text

ارزیابی مدلهای رگرسیون در پیشبینی هزینههای تعمیر و نگهداری تراکتور

مدیریت جایگزینی ماشین (به ویژه تراکتور) یکی از فاکتورهای کلیدی در انجام دادن به موقع عملیات زراعی می­باشد.  بنابراین باید با دقت هزینههای تعمیر و نگهداری تراکتور پیش­بینی شود.  این تحقیق برای ارزیابی تکنیک رگرسیونی در پیشبینی هزینههای تعمیر و نگهداری تراکتور اجرا شد.  در این مطالعه از دادههای واقعی 60 تراکتور دو چرخ محرک موجود در کشت و صنعت آستان قدس رضوی استفاده شده است.  تجزیة رگرسیونی انجام ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 16  issue 1

pages  53- 59

publication date 2014-09

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023