دوره 13، شماره 1 - ( فروردین و اردیبهشت 1398 )
جلد 13 شماره 1 صفحات 90-81 |
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:
Shahraki M R, Mesgar M. Evaluation of Data Mining Algorithms for Detection of Liver Disease. payavard 2019; 13 (1) :81-90
URL: http://payavard.tums.ac.ir/article-1-6702-fa.html
URL: http://payavard.tums.ac.ir/article-1-6702-fa.html
شهرکی محمدرضا، مسگر محبوبه. مقایسه‌ی الگوریتم‌های داده کاوی برای تشخیص بیماری کبد. پیاورد سلامت. 1398; 13 (1) :81-90
محمدرضا شهرکی1 
، محبوبه مسگر* 2
، محبوبه مسگر* 2
1- استادیار گروه مهندسی صنایع، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران
2- دانشجوی کارشناسی ارشد مهندسی صنایع، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران ،mhb@pjs.usb.ac.ir
2- دانشجوی کارشناسی ارشد مهندسی صنایع، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران ،
چکیده: (3427 مشاهده)
زمینه و هدف: کبد به‌عنوان یکی از بزرگ‌ترین اندام‌های داخلی بدن، وظیفه‌ی انجام اعمال حیاتی مختلفی ازجمله تصفیه و پالایش خون، تنظیم هورمون‌های بدن، ذخیرهی گلوکز و ... را در بدن به عهده دارد. بنابراین اختلال در کارکرد آن مشکلات گاه جبران‌ناپذیری به دنبال خواهد داشت. لذا پیش‌بینی به‌موقع این بیماری به درمان‌های اولیه و مؤثر آن کمک می‌کند. با توجه به اهمیت بیماری کبد و افزایش تعداد مبتلایان، مطالعه‌ی حاضر با هدف پیش‌بینی بیماری کبد با استفاده از الگوریتم‌های داده‌کاوی صورت گرفت.
روش بررسی: این پژوهش از نوع توصیفی بوده و با استفاده از 721 داده‌ی جمع‌آوری‌شده از بیماران کبدی شهر زاهدان انجام‌شده است. در این بررسی پس از پیش‌پردازش داده‌ها، تکنیک‌های داده کاوی از قبیل ماشین بردار پشتیبان، CHAID، Exhaustive CHAID و C5.0 تقویت‌شده در نرم‌افزار IBM SPSS Modeler 18 بررسی، مقایسه و تحلیل‌شده است.
یافته‌ها: یافته‌ها نشان داد که الگوریتم C5.0 تقویت‌شده با دقت 94/09 درصد، الگوریتم Exhaustive CHAID با دقت 88/71 درصد، ماشین بردار پشتیبان با دقت 87/09 درصد و الگوریتم CHAID با دقت 85/47 درصد بیماری کبد را پیش‌بینی کردند. بنابراین بهترین الگوریتم از لحاظ دقت عملکرد، الگوریتم C5.0 تقویت‌شده شناخته شد.
نتیجه‌گیری: با توجه به دقت الگوریتم C5.0 تقویت‌شده و قوانین حاصل از آن، برای یک نمونه‌ی جدید با ویژگی‌های مشخص، می‌توان احتمال ابتلای فرد به بیماری کبد را با دقت قابل قبولی پیش‌بینی کرد.
روش بررسی: این پژوهش از نوع توصیفی بوده و با استفاده از 721 داده‌ی جمع‌آوری‌شده از بیماران کبدی شهر زاهدان انجام‌شده است. در این بررسی پس از پیش‌پردازش داده‌ها، تکنیک‌های داده کاوی از قبیل ماشین بردار پشتیبان، CHAID، Exhaustive CHAID و C5.0 تقویت‌شده در نرم‌افزار IBM SPSS Modeler 18 بررسی، مقایسه و تحلیل‌شده است.
یافته‌ها: یافته‌ها نشان داد که الگوریتم C5.0 تقویت‌شده با دقت 94/09 درصد، الگوریتم Exhaustive CHAID با دقت 88/71 درصد، ماشین بردار پشتیبان با دقت 87/09 درصد و الگوریتم CHAID با دقت 85/47 درصد بیماری کبد را پیش‌بینی کردند. بنابراین بهترین الگوریتم از لحاظ دقت عملکرد، الگوریتم C5.0 تقویت‌شده شناخته شد.
نتیجه‌گیری: با توجه به دقت الگوریتم C5.0 تقویت‌شده و قوانین حاصل از آن، برای یک نمونه‌ی جدید با ویژگی‌های مشخص، می‌توان احتمال ابتلای فرد به بیماری کبد را با دقت قابل قبولی پیش‌بینی کرد.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
