CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بکارگیری داده کاوی برای پیش بینی کم خونی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۶۲ | نظرات: ۱
سال انتشار: ۱۳۹۷
کد COI مقاله: COMPUTER05_013
زبان مقاله: فارسی
حجم فایل: ۵۸۸.۸۹ کیلوبایت (فایل این مقاله در ۱۰ 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 ۱۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بکارگیری داده کاوی برای پیش بینی کم خونی

نرگس شمشادی نژاد - کارشناسی ارشد، مهندسی نرم افزار، موسسه غیرانتفاعی هاتف زاهدان
  سمیرا نوفرستی - استادیار، گروه مهندسی فناوری اطلاعات، دانشگاه سیستان و بلوچستان
  فاطمه حیدری - استادیار، متخصص پاتولوژی، دانشگاه علوم پزشکی زاهدان

چکیده مقاله:

کم خونی یکی از رایج ترین بیماری ها در اغلب کشورهای در حال توسعه است و به خصوص در کشور ما به وفور مشاهده می شود. کم خونی فقر آهن و بتا تالاسمی مینور جزو شایع ترین نوع کم خونی های هیپوکرومیک میکروسیتیک محسوب می شوند که در صورت عدم تشخیص درست باعث ایجاد عوارض جانبی متعددی می شوند. در کنار روش های سنتی تشخیص کم خونی، استفاده از روش های داده کاوی برای تمایز کم خونی فقر آهن از بتا تالاسمی مینور با صرف هزینه و زمان کمتر می تواند مورد توجه قرار گیرد. در سال های اخیر روش های داده کاوی در حوزه پزشکی پیشرفت رو به رشدی داشته است و توانسته به منظور تصمیم گیری بهتر مورد استفاده قرار گیرد. با این وجود در زمینه تشخیص افتراقی انواع کم خونی مطالعات انجام گرفته اندک است. هدف این مقاله که از نوع مروری می باشد، بررسی کاربردهای داده کاوی در پزشکی و به طور خاص معرفی روش های داده کاوی در پیش بینی کم خونی است. در پایان نیز مدیریت خدمات بهداشتی درمانی در راستای کم خونی فقر آهن از بتا تالاسمی مینور مورد بررسی قرار گیرد.

کلیدواژه‌ها:

آنمی فقر آهن، بتا تالاسمی مینور، تشخیص افتراقی، داده کاوی پزشکی

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-COMPUTER05-COMPUTER05_013.html
کد COI مقاله: COMPUTER05_013

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:
شمشادی نژاد, نرگس؛ سمیرا نوفرستی و فاطمه حیدری، ۱۳۹۷، بکارگیری داده کاوی برای پیش بینی کم خونی، سیزدهمین سمپوزیوم بین المللی پیشرفت های علوم و تکنولوژی: سرزمین پایدار تازه های کامپیوتر و فناوری اطلاعات، مشهد، موسسه آموزش عالی خاوران، https://www.civilica.com/Paper-COMPUTER05-COMPUTER05_013.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: (شمشادی نژاد, نرگس؛ سمیرا نوفرستی و فاطمه حیدری، ۱۳۹۷)
برای بار دوم به بعد: (شمشادی نژاد؛ نوفرستی و حیدری، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

4.0
۱ تعداد پژوهشگران نظر دهنده
5 0
4 1
3 0
2 0
1 0

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 پیشنهادی مرتبط

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.