تکنیک های مورد استفاده در داده کاوی پزشکی

پزشکی مدرن حجم انبوهی از اطلاعات ذخیره شده در پایگاه داده های پزشکی را تولید میکند. نکته مهم در این پایگاه داده های بزرگ اطلاعات و دانشی است که از آن استخراج میشود و نیاز به استفاده از روشهای هوشمند و ساختارمند دارد. دادهکاوی اطلاعات پزشکی با استخراج اطلاعات مفیدی که به پیش بینی، تشخیص، درمان بیماری ها و ... می انجامد با بهره گرفتن از الگوریتم ها و روشهای مختلفی همچون درخت تصمیم، تئوری های بیزین، قوانین انجمنی، کلونی مورچگان، شبکهعصبی، k نزدیکترین همسایگی، ماشین بردار پشتیبان، k-means ، c4.5 ، Sota و... به علم پزشکی کمک فراوانی می نماید.در این مقاله با مرور کتابخانه ای مقالات مختلف داده کاوی پزشکی که هریک به یک یا چند الگوریتم خاص داده کاوی در زمینه اطلاعات پزشکی پرداخته اند سعی بر آن بوده که پرکاربرد ترین روش ها و الگوریتم ها در این زمینه بررسی و معرفیشود. و حتی در بعضی موارد عملکرد چند الگوریتم مختلف روی داده های یکسان مقایسه و بررسی شده که نتایج این تحلیلها گاهی یافتن بهینه ترین الگوریتم بوده است. در بیشتر موارد این مقایسه ها با استفاده از نرم افزارهای داده کاوی همچون clementine و Rapid miner انجام گرفته است که نتایج دقیق تری بدست آید. از الگوریتم های داده کاوی حتی برای طراحی سیستم های پیشگویی کننده و یا سیستم های کمک تصمیم پزشکی که در حوزه پیش بینی و درمان بیماریها کاربرد دارند میتوان استفاده کرد. یافتن بهترین روش داده کاوی بستگی به نوع داده ها و همچنین نوع نتایجی دارد که قرار است از این اطلاعات استخراج شود و هرگز نمیتوان گفت یک روش خاص همواره بهترین است.

کلیدواژه ها:

داده کاوی پزشکی ، تکنیک های داده کاوی ، درخت تصمیم ، شبکه عصبی ، تئوری بیزین