كاربرد روش هاي جديد قواعد ارتباطي در زمينه پزشكي براي كشف بيماري ومعرفي يك شبكه بيزين

تمركز اصلي اين پژوهش بر روي به كار بردن روش هاي جديد قواعد ارتباطي در زمينه هاي پزشكي براي كشف بيماري است. همچنين يك سيستم براي كشفيات علم پزشكي بر پايه قواعد و شبكه هاي بيژين (Bayesian Network)معرفي ميكنيم.صنعت پزشكي مقادير زيادي از داده هاي پزشكي را جمع آوري مي كنند كه متاسفانه براي يافتن اطلاعات پنهان در تصميم گيري هاي موثر، استخراج نميشوند. كشف الگوي پنهان و روابط آنها اغلب غير عملي است. تكنيك هاي داده كاوي مي تواند كمكي براي حل اين موضوع باشد. داده كاوي ابزارهاي زيادي در تجارت و زمينه هاي علمي پيدا كرده است. قواعد ارتباطي درالگوريتم ژنتيك براي پيش بيني درست وجود بيماري استفاده مي شود.در اين پژوهش از شبكه هاي بيژين نيز استفاده شده است الگوريتمي براي پيدا كردن قواعد وابستگي ژنوتايپ فنوتايپ از داده هاي مرتبط به بيماري هاي پيچيده وجود داشت.اين الگوريتم بر پايه الگوريتم ژنتيك بود كه با تكنيك هاي سنتي داده كاوي مقايسه مي شد و اثبات شده بود كه نشانه هاي طبقه بندي همانندي را با پيدا كردن نتايج بيشتر از توليد مصنوعي داده ها بدست مي آورد. براي مثال، در يكي از مقالات فرض بر اين است كه چندين گروه از Snps (single nucleotide polymorphism) ها بيشترين تاثير را در بروز و گسترش بيماري پيچيده اي مثل شيزوفرني دارند.انگيزه اصلي استفاده از الگوريتم ژنتيك در كشف قوانين پيش بيني (Prediction rules) سطح بالا، به دليل انجام جستجو جهاني و مقابله بهتر با ويژگي تعامل نسبت به الگوريتم القايي قوانين گريدي (Greedy rule)، استفاده شده در داده كاوي ميباشد.