پیش بینی بیماری آلزایمر با استفاده از الگوریتمهای داده کاوی

هر روزه حجم وسیعی از اطلاعات در مراکز پزشکی تولید می‌شود، لذا ضروری به نظر می‌رسد که اطلاعات جمع‌آوری شده با استفاده از منابع در دسترس ذخیره، پردازش و تحلیل شود. هدف اصلی در این مقاله، استخراج ویژگی‌های ژن افراد و طبقه‌بندی آن‌ها جهت تشخیص بیماری آلزایمر می‌باشد. ژن افراد به دو دسته سالم و بیمار طبقه‌بندی می‌شوند. در این روش پیشنهادی مجموع 19 ویژگی توسط ماتریس اغتشاش از مجموعه داده‌ها استخراج شده و آزمایش‌ها برای یک مجموعه داده ژن 315 تایی از افراد مختلف در زمینه آلزایمر، تست و اجرا شده است. همچنین داده‌های بومی از داده‌های مطالعاتی مرکز تحقیقات ژنتیک دانشگاه علوم بهزیستی و توان‌بخشی دریافت شده است. بالاترین دقت حاصله از این روش‌ها، با استفاده از روش SVM حدود 93 درصد می‌باشد. از نتایج این تحقیق می‌توان در مراکز پزشکی به منظور پیش‌بینی احتمال ابتلای افراد به آلزایمر و پیشگیری بهنگام استفاده نمود.

کلیدواژه ها:

داده کاوی ، آلزایمر ، طبقه بندی ، PRUNE -SVM -RBF ، شبکه ی عصبی