بررسی و مقایسه تکنیکهای مبتنی بر دادهکاوی در تشخیص بیماری هپاتیت

افزایش روز افزون پیشرفت در زمینه تکنولوژی اطلاعات، باعث شده که رشد چشم گیری در علوم مختلف بوجود آید. یکی از این رشته ها که تغییر در آن قابل ملاحظه است، رشته پزشکی می باشد. استفاده از تکنیک های داده کاوی در این شاخه از علم باعث شده است که در کلیه مباحث، مخصوصاً بحث تشخیص بیماری ها کمک بسیاری به پزشکان شود. تشخیص بیماری هپاتیت با توجه به علائم بالینی اندکی که در مراحل اولیه دارد، بسیار دشوار است. بدین منظور در این مقاله سعی شده است تا ضمن مقایسه روش های متداول دسته بندی نظیر درخت تصمیم گیری، شبکه های عصبی و svm مناسب ترین روش به منظور تشخیص بیماری هپاتیت معرفی و پیشنهاد گردد. معیار ارزیابی روش های دسته بندی میزان دقت هر روش بوده و برای تست هر روش از نرم افزار clementine و پایگاه داده واقع در مخزن داده دانشگاه کالیفرنیا استفاده شده است. نتایج به دست آمده نشان می دهد که الگوریتم شبکه های عصبی دقت بالاتری نسبت به سایر الگوریتم ها دارد. با استفاده از الگوریتم شبکه های عصبی می توان با دقت 89.74% بیماری هپاتیت را پیش بینی کرد.

کلیدواژه ها:

تشخیص هپاتیت ، داده کاوی ، درخت تصمیم گیری ، شبکه های عصبی ، svm