مروري بر تكنيك‌هاي داده‌كاوي براي سيستم پشتيباني تصميم‌گيري سلامت با استفاده از داده‌هاي بيماري‌هاي كبدي، قلبي و ديابت

A review of data mining techniques for the health decision support system using data from liver,heart and diabetes

امروزه مهمترين علت مرگ‌و‌مير در انسان‌ها ناشي از بيماري‌هاي قلبي،كبدي و ديابت مي‌باشد. بيمارستان‌ها و مراكز بهداشتي، اطلاعات زيادي از بيماران را جمع آوري مي‌كنند كه بدرستي مورد پردازش و استفاده مطلوب قرار نمي‌گيرد و الگوها و روابط پنهان بين اين اطلاعات استخراج نمي‌گردد. در اين مقاله، با مرور و استفاده از داده‌هاي بيماري‌هاي قلبي، كبدي و ديابت و با استفاده از تكنيك هاي داده‌كاوي J48، Naïve Bayes، MLP، ZeroR، 1BK، VFI، C4.5، SVM، RBF و مقايسه اثربخشي آنها، تكنيك مطلوب را براي كمك به پزشكان و مراقبين بهداشتي براي كمك به تصميم‌گيري و پيشگيري از بيماري‌هاي ذكر شده ارائه مي‌شود. نتايج و روشهاي ارزيابي براي مقالات انتخاب شده مورد بحث قرار گرفته و خلاصه اي از يافته ها براي نتيجه گيري ارائه شده است.

Today, the most important cause of mortality in humans is due to heart disease, liver and diabetes. Hospitals and health centers collect a lot of information about patients that are not well processed and used, and hidden patterns and relationships are not extracted from this information. In this paper, by reviewing and using data from Hepatitis, Liver and Diabetes, using J48, Naïve Bayes, MLP, ZeroR, 1BK, VFI, C4.5, SVM, and RBF data mining techniques and their comparative effectiveness, a desirable technique is presented to help doctors and health care providers to help them decide and prevent the aforementioned diseases. The results and evaluation methods for the selected articles are discussed and a summary of the findings is presented for the conclusion.