دوره 13، شماره 5 - ( آذر و دی 1398 )
جلد 13 شماره 5 صفحات 358-345 |
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:
Rezaei M, Jafari N Z, Ghaffarian H, Khosravi Farmad3 M, Zabbah I, Dehghan P. Comparison of Data Mining Algorithms' Efficiency in Thyroid Disease Diagnosis. payavard 2020; 13 (5) :345-358
URL: http://payavard.tums.ac.ir/article-1-6905-fa.html
URL: http://payavard.tums.ac.ir/article-1-6905-fa.html
رضایی محسن، جعفری نازنین زهرا، غفاریان حسین، خسروی فارمد مسعود، ذباح ایمان، دهقان پروانه. مقایسه‌ی کارایی الگوریتم‌های داده‌کاوی در تشخیص بیماری تیروئید. پیاورد سلامت. 1398; 13 (5) :345-358
محسن رضایی* 
1، نازنین زهرا جعفری1 ، حسین غفاریان2 ، مسعود خسروی فارمد3 ، ایمان ذباح4 ، پروانه دهقان5
1، نازنین زهرا جعفری1 ، حسین غفاریان2 ، مسعود خسروی فارمد3 ، ایمان ذباح4 ، پروانه دهقان5
1- دانشجوی کارشناسی ارشد مهندسی فناوری اطالعات، گروه کامپیوتر، موسسه آموزش عالی اترک قوچان، قوچان، ایران
2- استادیار گروه کامپیوتر ، دانشکده مهندسی، دانشگاه اراک، اراک، ایران
3- استادیار گروه کامپیوتر، موسسه آموزش عالی اترک قوچان، قوچان، ایران
4- مربی، گروه کامپیوتر، واحد تربت حیدریه، دانشگاه آزاد اسالمی، تربت حیدریه، ایران
5- استادیار گروه رادیوتراپی انکولوژی، دانشگاه علوم پزشکی تربت حیدریه، تربت حیدریه، ایران
2- استادیار گروه کامپیوتر ، دانشکده مهندسی، دانشگاه اراک، اراک، ایران
3- استادیار گروه کامپیوتر، موسسه آموزش عالی اترک قوچان، قوچان، ایران
4- مربی، گروه کامپیوتر، واحد تربت حیدریه، دانشگاه آزاد اسالمی، تربت حیدریه، ایران
5- استادیار گروه رادیوتراپی انکولوژی، دانشگاه علوم پزشکی تربت حیدریه، تربت حیدریه، ایران
چکیده: (2571 مشاهده)
زمینه و هدف: تشخیص به‌موقع عملکرد غیرطبیعی تیروئید و بهدنبال آن در پیش گرفتن درمان صحیح، میتواند باعث کاهش مرگ‌ومیر مرتبط با این بیماری شود. همچنین عدم‌تشخیص به‌موقع، عوارض جبران‌ناپذیری برای بیمار در پی خواهد داشت. این مطالعه، با هدف تعیین وضعیت غده تیروئید از نظر نرمال بودن، پرکاری یا کم‌کاری با استفاده از تکنیکهای داده‌کاوی انجام‌شده است.
روش بررسی: تولید مدل پیشبینی کننده به‌منظور طبقه‌بندی بیماری تیروئید، پس از پیش‌پردازش دادهها با استفاده از روش‌های نظارت‌شده و بدون ناظر انجام گردید. این مطالعه از نوع تحلیلی بوده و پایگاه داده ی آن شامل ۲۱۵ رکورد مستقل مبتنی بر ۵ ویژگی پیوسته و برگرفته‌شده از مرجع داده یادگیری ماشین UCI میباشد.
یافته‌ها: در روش نظارت‌شده از شبکه های عصبی پرسپترون چندلایه و شبکه عصبی بردار یادگیر و شبکه عصبی فازی و در روش بدون نظارت از خوشه بندی فازی استفاده گردید. با روش حداقل مربعات خطا (RMSE) به ترتیب دقت های ۰/۰۵۵ و ۰/۲۷۴ و ۰/۰۱۲ و ۰/۰۳۱ حاصل شد.
نتیجه‌گیری: کاهش خطای تشخیص بیماری تیروئید یکی از اهداف محققان بوده است. استفاده از روش های مبتنی بر داده‌کاوی می تواند به کاهش این خطا کمک کند. در این مطالعه تشخیص بیماری تیروئید به کمک روش‌های مختلف تشخیص الگو صورت گرفت. نتایج نشان می دهد که مدل عصبی فازی دارای حداقل میزان خطا و بیشترین دقت است.
روش بررسی: تولید مدل پیشبینی کننده به‌منظور طبقه‌بندی بیماری تیروئید، پس از پیش‌پردازش دادهها با استفاده از روش‌های نظارت‌شده و بدون ناظر انجام گردید. این مطالعه از نوع تحلیلی بوده و پایگاه داده ی آن شامل ۲۱۵ رکورد مستقل مبتنی بر ۵ ویژگی پیوسته و برگرفته‌شده از مرجع داده یادگیری ماشین UCI میباشد.
یافته‌ها: در روش نظارت‌شده از شبکه های عصبی پرسپترون چندلایه و شبکه عصبی بردار یادگیر و شبکه عصبی فازی و در روش بدون نظارت از خوشه بندی فازی استفاده گردید. با روش حداقل مربعات خطا (RMSE) به ترتیب دقت های ۰/۰۵۵ و ۰/۲۷۴ و ۰/۰۱۲ و ۰/۰۳۱ حاصل شد.
نتیجه‌گیری: کاهش خطای تشخیص بیماری تیروئید یکی از اهداف محققان بوده است. استفاده از روش های مبتنی بر داده‌کاوی می تواند به کاهش این خطا کمک کند. در این مطالعه تشخیص بیماری تیروئید به کمک روش‌های مختلف تشخیص الگو صورت گرفت. نتایج نشان می دهد که مدل عصبی فازی دارای حداقل میزان خطا و بیشترین دقت است.
واژه‌های کلیدی: بیماری تیروئید، خوشه بندی فازی، شبکه عصبی مصنوعی، شبکه‌های فازی عصبی، یادگیری نظارت‌شده
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
