دسترسی همگانی(OPAC) نام کتابخانه در اوپک

بهبود تشخیص بیماری های قلبی با استفاده از تکنیک های داده‌کاوی (1400) / عبداللهی ، مریم سادات، نویسنده
نوع مدرک:متون چاپی
سرشناسهعبداللهی ، مریم سادات، نویسنده
شماره بازیابی :‭COM soft ‭41 1400
عنوان :بهبود تشخیص بیماری های قلبی با استفاده از تکنیک های داده‌کاوی
عنوان موازی :Improve the Diagnosis of Heart Diseases Using Data Mining Technique
ناشر:دانشگاه شهید اشرفی اصفهانی: اصفهان
سال نشر :1400
صفحه شمار:ح، 99ص
شابک/شاپا24014
یادداشتپایان نامه کارشناسی ارشد: مهندسی کامپیوتر گرایش مهندسی نرم‌افزار
شناسه افزوده :خیام باشی ، محمد رضا، استاد راهنما
توصیفگرهابيمار‌های قلبی  داده‌کاوی  ويژگي‌های مؤثر  طبقه‌‌‌‌‌‌‌‌بندی  الگوریتم بیز ساده  الگوریتم ماشین بردار پشتیبان  Heart Disease  Data Mining  Data Mining Techniques  Effective Features  Classification  Simple Bayesian Algorithm  Support Vector Machine Algorithm
چکیده :امروزه افراد زیادی به علت بیماری قلب و عروق جان خود را از دست می‌دهند. این بیماری با توجه به شیوع و سهمی که در مرگ و میر انسان‌ها دارد از اهمیت بالایی برخوردار است. با توجه به این‌که بیماری‌های قلبی و عروقی جزء شایع‌ترین علت‌های مرگ و میر در جهان و نیز کشور ما می‌باشند و صدمات مالی و جانی بسیاری را به جامعه وارد می‌سازند، به کارگیری روش‌های پیشگیری کننده از بروز این بیماری‌ها بسیار حائز اهمیت است. پزشکان به دنبال تحقیق در مورد عوامل افزایش بیماری‌های قلبی، علت بروز آن‌ها و تشخیص آن‌ها با استفاده از روش‌هایی با عوارض کمتر و صحت بالاتر هستند. همچنین پردازش داده‌ها با روش‌های سنتی که توسط آزمایش‌ها و معاینه‌های بیماران قلبی جمع‌آوری شده است، هزینه زیادی در برخواهد داشت. بنابراین پیچیدگی اطلاعات پزشکی و وجود ابزارهای داده‌کاوی باعث می‌شود که داده‌کاوی بر روی داده‌های پزشکی و سلامت مهم تلقی گردد. تاکنون استفاده از تکنیک‌های داده‌کاوی در زمینه‌‌‌ی پزشکی رشد روز افزونی داشته است. مطالعات اخیر با استفاده از ویژگی‌های جمع‌آوری شده‌ی بیماران و الگوریتم‌های مختلف داده‌کاوی برای افزایش صحت تشخیص بیماری استفاده کرده‌اند. در این پژوهش، هدف بر این است که با استفاده از الگوریتم‌های طبقه‌‌‌‌‌‌‌‌بندی در داده‌کاوی، بهبود عملکرد این الگوریتم‌ها در تشخیص بیماری‌های قلبی با صحت بالاتر نشان داده شود. همچنین بسیاری از ویژگی‌های مجموعه‌داده به علت وزن ناچیز، کم اهمیت تلقی می‌شوند و در صحت تشخیص بیماری قلبی تأثیر چندانی ندارند. بنابراین، نوآوری دیگر این پژوهش در انتخاب ویژگی‌های مؤثر و حذف ویژگی‌های ناکارآمد با استفاده از عملگرهای انتخاب ویژگی وزن‌دهی جهت ورود به مرحله داده‌کاوی است. سیزده ویژگی تأثیرگذار بر بیماری‌های قلبی که دارای وزن بیشتری هستند به عنوان زیرمجموعه‌ای از کل ویژگی‌ها در نظر گرفته شده است. مجموعه‌داده‌ی به کار رفته در روش پیشنهادی از بیمارستان رجائی تهران گرفته شده است. نتایج نشان می‌دهد، الگوریتم رأی‌گیری با درصد صحت 38%/88 و حساسیت %57/ 87 و ویژگی %78/89 از عملکرد بهتری نسبت به الگوریتم بیز ساده و سایر پارامترهای الگوریتم ماشین بردار پشتیبان در حالت انتخاب زیر مجموعه ای از ویژگی‌ها دارد
لینک ثابت رکورد:../opac/index.php?lvl=record_display&id=13212
زبان مدرک :فارسی
شماره ثبتشماره بازیابینام عام موادمحل نگهداریوضعیت ثبتوضعیت امانت
24014‭COM soft ‭41 1400 پایان‌نامهدانشگاه شهید اشرفی اصفهانیاسناد مرجعغیر قابل امانت

کاربران آنلاین :8