دوره 11، شماره 5 - ( آذر و دی 1396 )
جلد 11 شماره 5 صفحات 548-541 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Safdari R, Kadivar M, Tabari P, Shawky Own H. Comparison of Data Classification Algorithms to Determine the Type of Neonatal Jaundice. payavard 2018; 11 (5) :541-548
URL: http://payavard.tums.ac.ir/article-1-6396-fa.html
URL: http://payavard.tums.ac.ir/article-1-6396-fa.html
صفدری رضا، کدیور ملیحه، تبری پریناز، شاوکی اون هالا. مقایسه ی الگوریتم های مختلف طبقه بندی داده ها برای تعیین نوع زردی در نوزادان. پیاورد سلامت. 1396; 11 (5) :541-548
رضا صفدری1 
، ملیحه کدیور2 ، پریناز تبری* 3، هالا شاوکی اون4
، ملیحه کدیور2 ، پریناز تبری* 3، هالا شاوکی اون4
1- استاد گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران
2- استاد گروه نوزادان، دانشکده پزشکی، بیمارستان مرکز طبی کودکان، دانشگاه علوم پزشکی تهران، تهران، ایران
3- کارشناس ارشد انفورماتیک پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران ،p-tabari@razi.tums.ac.ir
4- دکترای علم آمار و کامپیوتر، گروه تحقیقات فضایی و خورشیدی، موسسه تحقیقات ملی ژئوفیزیک و ستاره شناسی، هلوان، مصر
2- استاد گروه نوزادان، دانشکده پزشکی، بیمارستان مرکز طبی کودکان، دانشگاه علوم پزشکی تهران، تهران، ایران
3- کارشناس ارشد انفورماتیک پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران ،
4- دکترای علم آمار و کامپیوتر، گروه تحقیقات فضایی و خورشیدی، موسسه تحقیقات ملی ژئوفیزیک و ستاره شناسی، هلوان، مصر
چکیده: (4079 مشاهده)
زمینه و هدف: زردی در نوزادان مبحثی است که برای متخصصان در سراسر دنیا بسیار مهم تلقی می شود. زیرا این بیماری یکی از عمده ترین وضعیت هایی است که به توجه بالینی نیازمند است. هدف از انجام این پژوهش استفاده از تکنیک های طبقه بندی داده ها برای پیش بینی به موقع نوع زردی نوزادان و در نتیجه پیشگیری از آسیب های جبران ناپذیر به سلامت نوزادان بوده است.
روش بررسی: این پژوهش از نوع توصیفی بوده و با استفاده از مجموعه داده های جمع آوری شده درباره ی زردی نوزادان در شهر قاهره مصر انجام شده است. در این بررسی پس از پیش پردازش داده ها، تکنیک های داده کاوی از قبیل درخت تصمیم، Naïve Bayes و k)kNN نزدیکترین همسایه) در نرم افزار Orange بررسی، مقایسه و تحلیل شده است.
یافته ها: یافته های حاصل از پژوهش نشان داد که الگوریتم درخت تصمیم با دقت ۹۴ درصد، الگوریتم Naïve Bayes با دقت ۹۱ درصد و الگوریتم نزدیک ترین همسایه با دقت ۸۹ درصد نوع زردی در نوزادان را طبقه بندی می کنند. بنابراین بهترین الگوریتم از لحاظ دقت عملکرد در بین روش های طبقه بندی کننده، الگوریتم درخت تصمیم شناخته شد.
نتیجه گیری: استفاده از الگوریتم های طبقه بندی در ساخت سیستم های تصمیم یار می تواند به پزشکان در تصمیم گیری درباره نوع بیماری ها کمک کند و متخصصان می توانند برای رسیدگی به بیماران متناسب با نوع بیماری اقدام کنند که طی آن مخاطرات احتمالی در اثر عدم شناسایی به موقع یا صحیح بیماری کاهش خواهد یافت.
روش بررسی: این پژوهش از نوع توصیفی بوده و با استفاده از مجموعه داده های جمع آوری شده درباره ی زردی نوزادان در شهر قاهره مصر انجام شده است. در این بررسی پس از پیش پردازش داده ها، تکنیک های داده کاوی از قبیل درخت تصمیم، Naïve Bayes و k)kNN نزدیکترین همسایه) در نرم افزار Orange بررسی، مقایسه و تحلیل شده است.
یافته ها: یافته های حاصل از پژوهش نشان داد که الگوریتم درخت تصمیم با دقت ۹۴ درصد، الگوریتم Naïve Bayes با دقت ۹۱ درصد و الگوریتم نزدیک ترین همسایه با دقت ۸۹ درصد نوع زردی در نوزادان را طبقه بندی می کنند. بنابراین بهترین الگوریتم از لحاظ دقت عملکرد در بین روش های طبقه بندی کننده، الگوریتم درخت تصمیم شناخته شد.
نتیجه گیری: استفاده از الگوریتم های طبقه بندی در ساخت سیستم های تصمیم یار می تواند به پزشکان در تصمیم گیری درباره نوع بیماری ها کمک کند و متخصصان می توانند برای رسیدگی به بیماران متناسب با نوع بیماری اقدام کنند که طی آن مخاطرات احتمالی در اثر عدم شناسایی به موقع یا صحیح بیماری کاهش خواهد یافت.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
