پيش بيني اهداء خون با استفاده از داده كاوي بر پايه الگوريتم هاي درخت تصميم، KNN، SVM و MLP

اهداي خون به دليل نقش حياتي و حساسي كه در امر حفظ سلامت و بقاء زندگي انسان دارد مورد توجه مي‌باشد. در جهان امروز عليرغم تحول عظيم علمي و با وجود پيشرفت‌هاي بزرگي كه در علوم پزشكي رخ داده است، هنوز تامين كافي خون سالم يكي از چالش‌ها و دغدغه‌هاي مجامع پزشكي جهان است. حفظ و تامين حجم خون مورد نياز در بانك‌هاي خون هر مركز انتقال خون در هر منطقه، گروه‌هاي متنوع خوني و ارتباطاتي كه بين آن‌ها وجود دارد و با فرض اينكه يكسري گروه‌هاي خوني كمياب‌تر مي‌باشند، پيش بيني و برنامه ريزي اهداء خون را در طول زمان مهم‌تر و پيچيده‌تر مي كند. استفاده از داده كاوي در پايگاه‌هاي داده بيمارستان‌ها و مراكز انتقال خون به كشف روابط كمك مي‌كند تا آن‌ها بتوانند بر مبناي گذشته يك پيش بيني از آينده داشته باشند، و بتوانند به بهترين شكل براي كمك، تشخيص و درمان‌هاي پزشكي موفق بيماري‌هاي مختلف را شناسايي كرده و الگوهاي جراحات جديد را نشان دهند. در اين مقاله سعي شده است تا در سطوح تصميم گيري مربوط به حوزه مذكور، از تكنيك‌هاي داده كاوي و يادگيري ماشين براي پيش بيني اهداء خون استفاده شود تا با استفاده از اين مكانيزم بتوانيم پيش بيني كنيم كه در بازه‌هاي زماني مختلف، چه ميزان خون به بانك‌ها و مراكز انتقال خون اهداء خواهد شد كه در اين صورت بتوانيم حجم خون مورد نياز بانك‌هاي خون مناطق مختلف را تخمين و تامين نمائيم. در همين راستا از چند الگوريتم طبقه بندي در يادگيري با نظارت از جمله الگوريتم‌هاي درخت تصميم، KNN، SVM و MLP كه يكي از انواع شبكه‌هاي مصنوعي عصبي (ANN) مي باشد، براي پيش بيني استفاده شده و نتايج ميزان دقت هر كدام ارائه شده است.