مروري جامع بر پيش بيني بيماري كبد با تكنيك هاي داده كاوي

در دنياي پزشكي امروز، با توجه به افزايش قابل توجه تعداد بيماران كبدي، يكي از سريع¬ترين و در دسترس¬ترين تكنيك¬هاي تشخيص بيماري بر مبناي داده¬كاوي است. يك چالش مهم در اين حوزه، تشخيص سريع و زودهنگام بيماري مي¬باشد. داده¬كاوي نقش مهمي را در صنعت بهداشت¬و¬درمان ايفا مي¬كند و يك چشم¬انداز مفيدي براي محققان در پيش¬بيني بيماري كبد به ارمغان مي-آورد. زيرا مي¬تواند حجم عظيمي از داده¬هاي مرتبط به اين بيماري را كشف كند. تكنيك¬هاي مختلف داده¬كاوي مي¬توانند جلوگيري از پيشرفت بيماري كبد كنند و در نهايت، كيفيت مراقبت¬هاي بهداشتي را براي بيماران كبدي بهبود ¬بخشند. هدف اصلي اين تحقيق، مقايسه كارايي الگوريتم¬هايي است كه براي پيش¬بيني بيماري كبد چرب با استفاده از تكنيك¬هاي داده¬كاوي استفاده شده است. در اين مقاله، طبقه¬بندهاي يادگيري ماشين (درخت تصميم C5.0 ، child، شبكه عصبي مصنوعي و رگرسيون لجستيك) براي طبقه-بندي بيماران كبدي مقايسه مي¬شود.