CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تجزیه و تحلیل و پیش بینی بیماری پارکینسون با استفاده از تکنیک های داده کاوی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۶ | نظرات: ۰
سال انتشار: ۱۳۹۸
کد COI مقاله: CEDAB03_043
زبان مقاله: فارسی
حجم فایل: ۵۴۶.۷۸ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تجزیه و تحلیل و پیش بینی بیماری پارکینسون با استفاده از تکنیک های داده کاوی

  سپیده قاسمی زرکامی - کارشناسی ارشد مهندسی نرم افزار ، دانشگاه علوم تحقیقات گیلان،ایران،
  سجاد صفیر - کارشناسی ارشد مهندسی فناوری اطلاعات ، دانشگاه صنعتی شریف،ایران،

چکیده مقاله:

بیماری پارکینسون بیماری است که تشخیص آن به صورت پزشکی بسیار مشکل و هزینه بوده و هر روز محققان در پی این هستند تا یک راه حل برای تشخیص زودهنگام این بیماری بیابند. از آنجا که اغلب این بیماری را توسط نشانه های صوتی بیماران مبتلا به PD1 مانند کاهش بلندی و وضوح صدا، اختلال در کیفیت صدا شناسایی می کنند، این روش کاربرد زیادی در تشخیص دقیق این بیماری دارد. تحقیقات قبلی بر روی بیماران نشان داده که ×% 90از بیماران مبتلا به بیماری پاکینسون یک اختلال صوتی در آنها مشاهده شده است. بنابراین اندازه گیری این علایم صوتی و شناسایی آنها در تشخیص بیماری نقش مهمی ایفا می کند. به این جهت از داده های صوتی در انجام این تحقیق استفاده شد. به دلیل تعداد زیاد بیماران و آزمایش های متعدد هر بیمار،س نیاز به یک ابزار خودکار برای کاوش در میان بیماران پارکینسون احساس می شود.×از طرفی از آنجا که تکنیک های داده کاوی برای پیش بینی بیماری های مختلف در زمینه پزشکی نقش مهمی ایفا می کند، در این تحقیق از تکنیک های داده کاوی استفاده شده است. در این تحقیق روش های داده کاوی برای تشخیص بیماری پارکینسون بررسی شدند و در انتها نتایج شبیهسازی و تحلیل داده ها در نرم افزار weka ارائه شد. نتایج این تحقیق نشان داد که میزان صحت طبقه بندی شبکه عصبیMLP با % 92,30 بیشترین مقدار صحت را بدست آورده است. پس از آن NaiveBayes و % 91,28 SVM-Smo صحت و J48 با % 89,74 صحت و AdaBoostM1 صحت % 88,20 را بدست آوردند. در انتها DecisionStump با % 84,61 کمترین مقدار صحت را بدست آورد.

کلیدواژه‌ها:

بیماری پارکینسون، داده کاوی، شبکه عصبیMLP ،. Weka

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CEDAB03-CEDAB03_043.html
کد COI مقاله: CEDAB03_043

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
قاسمی زرکامی, سپیده و سجاد صفیر، ۱۳۹۸، تجزیه و تحلیل و پیش بینی بیماری پارکینسون با استفاده از تکنیک های داده کاوی، سومین کنفرانس ملی مهندسی کامپیوتر،داده کاوی و داده های حجیم، مبارکه، دانشگاه آزاد اسلامی واحد مباکه، https://www.civilica.com/Paper-CEDAB03-CEDAB03_043.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (قاسمی زرکامی, سپیده و سجاد صفیر، ۱۳۹۸)
برای بار دوم به بعد: (قاسمی زرکامی و صفیر، ۱۳۹۸)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: ۴۸۰۵
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.