ارایه روشی جهت تشخیص سندرم متابولیک بر مبنای الگوریتم داده کاوی KNN، مطالعه موردی: بیمارستان شهدای کارگر یزد
نویسندگان
چکیده مقاله:
مقدمه: سندروم متابولیک به معنای وجود گروهی از عوامل خطر‌ساز برای بروز بیماری‌‌های قلبی- عروقی و دیابت در یک شخص است. وجود علائم و ویژگی‌های مختلف این بیماری، تشخیص را برای پزشکان دشوار می‌کند. داده‌کاوی امکان تحلیل داده‌های بالینی بیماران برای تصمیم‌گیری‌های پزشکی را فراهم می‌کند. هدف این مقاله، ارائه یک مدل برای افزایش دقت پیش‌بینی 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 جمع‌آوری شد. هر یک از بیماران حداقل به مدت یک سال تحت پیگیری بودند. در این مقاله برای پیش‌بینی و تشخیص سندرم متابولیک، از الگوریتم کلونی زنبور‌عسل برای بهینه‌سازی نتایج الگوریتم داده‌کاوی KNN استفاده شد و یک مدل جدید ارائه گردید. نتایج: بر اساس تابع هدف برای پیش‌بینی عارضه افزایش چربی خون از روش پیشنهادی، الگوریتم‌های گرگ خاکستری، ازدحام ذرات و ژنتیک برای بهبود عملکرد الگوریتم KNN استفاده شد. تحلیل‌های صورت گرفته نشان می‌دهد که مدل پیشنهادی با دقت پیش‌بینی 0/921 از روش‌های فازی، ماشین بردار پشتیبان، درخت‌تصمیم و شبکه عصبی دقت بیشتر‌ی دارد. نتیجه‌گیری: جستجو در پایگاه داده‌های پزشکی برای رسیدن به دانش و اطلاعات جهت پیش‌بینی، تشخیص و تصمیم‌گیری از کاربردهای داده‌کاوی در پزشکی است. می‌توان از الگوریتم‌های وراثتی برای بهینه‌سازی تکنیک‌های داده‌کاوی استفاده کرد. پیش‌بینی و تشخیص صحیح سندرم متابولیک با استفاده از هوش مصنوعی و یادگیری ماشین، شانس درمان موفق را بالا می‌برد.
منابع مشابه
بررسی فراوانی نسبی دلیریوم در بخش‌های مختلف بیمارستان شهدای کارگر یزد
Introduction: Delirium is an acute and transient disturbance in brain function. Delirium was very seen in hospitalized patients, especially after surgery. But a high percentage of cases were not diagnosed and treated so, these patients involve next consequence. According to this issue, the aim of this study was to assess the prevalence of delirium in the different departments of Yazd Shohadaye ...
متن کاملکاربرد الگوریتم های داده کاوی در تشخیص داده های ژئوشیمیایی خارج از ردیف چند متغیره
تشخیص داده‌های خارج از ردیف چند متغیره به کمک الگوریتم‌های داده‌کاوی یکی از نکات ضروری پیش‌پردازش داده‌های اکتشافات ژئوشیمیایی محسوب می‌شود. در این مقاله چهار الگوریتم برآورد چگالی کرنل (KDE)، ضریب خارج از ردیف بودن محلی (LOF)، OPTICS-OF و SVDD که به ترتیب جزو روش‌های آماری، روش‌های مبتنی بر مجاورت، روش‌های مبتنی بر خوشه‌بندی و روش‌های مبتنی بر دسته‌بندی هستند، معرفی شده و کاربرد آنها بر روی دا...
متن کاملپیشنهاد روشی برای پهنه‌بندی اقلیمی ایران بر مبنای پتانسیل تهویه طبیعی (مطالعه موردی شهر یزد)
تقسیم‌بندی اقلیمی یکی از ابزارهای مفید در سازماندهی اطلاعات مختلف در شرایط مشابه است. تاکنون انواع مختلفی از تقسیم‌بندی‌های اقلیمی با اهداف متفاوت بر گستره کشور ایران پیشنهاد شده است. در زمینه طراحی ساختمان، وجود تقسیم‌بندی‌های مناسب با اهداف معماری، نقش مهمی در ایجاد ساختمان‌های منطبق با شرایط اقلیمی و میزان بهینه مصرف انرژی ایفا می‌کند...
متن کاملارایه روشی برای پیش بینی بیماری قلبی با استفاده از داده کاوی(مطالعه موردی: بیماران بیمارستان شهید مدنی)
گسترش استفاده از کامپیوتر و تکنولوژی اطلاعات باعث رشد سریع پایگاه های اطلاعاتی در بیشتر مراکز و سازمان های پزشکی شده است. هر روز حجم عظیمی از داده های تولید شده، در پایگاه داده های مختلف ذخیره می شود. در سال های اخیر تمایل به جست و جو برای کشف الگوهای پنهان میان داده ها به منظور بهبود در تصمیم گیری پزشکان افزایش چشمگیری داشته است. شایع ترین بیماری که امروزه در کشور و در جهان مطرح است، بیماری قل...
15 صفحه اولمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 4 شماره None
صفحات 291- 304
تاریخ انتشار 2018-03
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023