شماره ركورد كنفرانس :
3939
عنوان مقاله :
توسعه برنامه كابردي همراه پيش بيني و طبقه بندي احتمال خطر استروك با استفاده از تكنيك هاي داده كاوي (ايده)
پديدآورندگان :
عليزاده ديزج قاسم دانشگاه علوم پزشكي تبريز , پيري زكيه - , شمس وحدتي صمد دانشگاه علوم پزشكي تبريز , فردوسي رضا - , خارا روح الله -
تعداد صفحه :
2
كليدواژه :
,
سال انتشار :
1395
عنوان كنفرانس :
دومين كنگره بين المللي سلامت همراه (Mobile Health)
زبان مدرك :
فارسي
چكيده فارسي :
زمينه : يكي از روش هاي بالقوه براي شناسايي افراد در معرض خطر، توسعه يك سيستم تفكيك و طبقه بندي است كه يكي از جنبه هاي مهم پزشكي باليني مي باشد و امكان تشخيص و رسيدگي به بيماراني كه در معرض بيشترين خطر هستند را فراهم مي سازد و با توجه به اينكه چنين سيستمي براي بيماري استروك وجود ندارد، پژوهش حاضر بر آن است تا علائم، نشانه ها و عوامل خطر اين بيماري را مشخص و مدلي براي طبقه بندي خطر استروك در قالب يك برنامه كاربردي همراه ارائه نمايد. با بررسي مطالعات مربوط به استروك و با نظر متخصصين باليني اين حوزه، داده ها، علائم و نشانه ها و ريسك فاكتورهاي مربوط به اين بيماري استخراج و تهيه خواهد شد. سپس اين عناصر داده اي با استفاده از نرم افزار Excel 2013 به صورت جدول تنظيم خواهد گرديد. بعد از طي اين مراحل و كسب مجوزهاي مربوطه، كار گرد آوري داده ها آغاز مي شود. داده هاي مربوطه با مراجعه به پرونده بيماران دچار استروك، استخراج و وارد جدول تنظيم شده خواهند گرديد. پس از گردآوري مجموعه داده مورد نظر، به منظور دست يابي به نتايج بهتر بايد عمل پيش پردازش داده ها صورت گيرد. در اين مرحله به كمك ابزار Add-Ins داده كاوي نرم افزار Excel 2013 داده هاي مفقوده، داده هاي داراي نويز، داده هاي داراي ناسازگاري و داده هاي پرت يا برون هشته شناسايي و با مقدار مناسبي جايگزين خواهند گرديد. براي دست يابي به نتايج بهتر و در صورت لزوم داده هايي كه داراي مقادير پيوسته هستند به روش مناسبي گسسته سازي خواهند شد. پس از پيش پردازش و آماده سازي داده ها، مدل ها و الگوريتم هاي White Box )جعبه سفيد( نظير Classification Tree و Naive Bayes و ... داده كاوي با استفاده از نرم افزارهايي نظير Weka ، Orange و Clementine بر روي مجموعه داده اجرا خواهد شد. بعد از اجراي مدل ها و الگوريتم هاي مختلف بر روي مجموعه داده و با استفاده از نرم افزارهاي مذكور شاخص هاي صحت، دقت، حساسيت و ويژگي براي هر كدام از اين مدل ها محاسبه خواهد گرديد. سپس با مقايسه مقادير به دست آمده براي هريك از الگوريتم ها، بهينه ترين الگوريتم انتخاب خواهد شد. پس از انتخاب بهينه ترين مدل، اين الگوريتم براي داده كاوي نهايي و استخراج قوانين و روابط بين داده ها استفاده خواهد شد. پس از انتخاب مدل نهايي داده كاوي و اجراي آن بر روي مجموعه داده مد نظر و پس از ارزيابي نتايج، قوانين و روابط داراي اهميت، از نتايج به دست آمده استخراج خواهد گرديد. با استفاده از اين قوانين استخراج شده مدل طبقه بندي خطر بيماري استروك تهيه خواهد شد. پس از طراحي مدل طبقه بندي و در آخرين گام قوانين اين مدل به صورت نرم افزار مويابل و بر روي سيستم عامل اندروئيد توسعه داده خواهد شد.
كشور :
ايران
لينک به اين مدرک :
بازگشت