روش های داده کاوی پزشکی برای بیماری های متناوب دوره ای

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 539

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC01_465

تاریخ نمایه سازی: 9 فروردین 1395

چکیده مقاله:

داده کاوی پزشکی یک زمینه ی تحقیقاتی در حوزه ی بهداشت و درمان است که به استخراج روابطپنهان بین الگوها کمک می کند. کاوش در پایگاه داده های پزشکی، خدماتی ازجمله تشخیصپزشکی، اتخاذ تصمیمات آگاهانه و... را در بردارد. در دنیای پزشکی امروز، داده های مربوط به علائمبیمارانی که مبتلابه بیماری های گوناگون هستند و نتایج روش های کمکی برای تشخیص اینبیماری ها، بسیار زیاد است. این علت باعث می شود، تحلیل تمام جنبه های دخیل توسط فرد دشوارشود. در اینجا نیاز به یک سیستم مکانیزه برای کمک به کشف الگوهای موجود و پیش بینیرخدادهای آتی احساس می شود. نواحی تحقیقاتی زیادی درداده کاوی پزشکی وجود دارد. ما در اینمقاله بر روی روش های داده کاوی، یا روش های یافتن بیماری های متناوب دوره ای تأکید داریم.الگویی را که در فواصل زمانی منظم رخ می دهد را دوره مکرر گویند. الگوهایی که به صورتدوره ای تکرار می شود، به مردم نگران برای گرفتن تصمیمات آگاهانه کمک می کند. به این منظور ماروشهای مختلفی را که در داده کاوی پزشکی، برای کشف بیماری های متناوب دوره ای به کارمی رود را تجزیه وتحلیل می کنیم.

نویسندگان

مهدیه معاون سعیدی

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی فردوس، ایران

رحیم اسماعیل زاده

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی فردوس، ایران

کاظم صالح نیا

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی فردوس، ایران

حمیدرضا غفاری

استادیار دانشگاه آزاد اسلامی واحد فردوس، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • _ Internatiotal Conference om Information Technology, Computer & Communication 28 ...
  • Agrawal R, Imielinski T, Swami A (1993) Mining association rules ...
  • Akshat Surana, R. Uday Kiran and P. Krishna Reddy. (2012). ...
  • Ling Chen and Wr Liu. (2011).An Algorithm For Mining Frequent ...
  • Srikant R, Agrawal R. (1996)Mining sequential patterns: Generalization and performance ...
  • M. Ilayaraja and T. Meyyappan. (2013). Mining Medical Data to ...
  • S.SRIDDEVI and Dr. S.RAJARAM (2013). AN EFFICIENT METHOD FORMINING PERIODIC ...
  • Florian Verhein. (2008). Frequent Pattern Growth (FP-Growth) Algorithm. The University ...
  • Christina CatleyHeidi Stratti and Carolyn McGregor. (2008). Multi -Dimensional Temporal ...
  • Michele Berlingerio, Francesco Bonchi Fosca Giannotti and Franco Turin. (2007). ...
  • Hoda Meamarzadeh, Mohammad Reza Khayyambashi and Mohammad Hussein Saraee. (2009). ...
  • Shusaku Tsumoto, Shoji Hirano and Haruko Iwata. (2012). Temporal Data ...
  • Wojciech Froelich and Alicja Wakulicz-Dej a.(2009). Mining Temporal Medical Data ...
  • Susan E. Spenceley and James R. Warren. (1998). The Intelligent ...
  • Chih Lai, Nga T. Nguyen, Dwight E. Nelson. (2005). Mining ...
  • نمایش کامل مراجع