مقایسه ی کارایی الگوریتم های داده کاوی در تشخیص بیماری تیروئید

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
زمینه و هدف

تشخیص به موقع عملکرد غیرطبیعی تیرویید و به دنبال آن در پیش گرفتن درمان صحیح، می‏تواند باعث کاهش مرگ ومیر مرتبط با این بیماری شود. هم‏چنین عدم تشخیص به موقع، عوارض جبران ناپذیری برای بیمار در پی خواهد داشت. این مطالعه، با هدف تعیین وضعیت غده تیرویید از نظر نرمال بودن، پرکاری یا کم کاری با استفاده از تکنیک‏های داده کاوی انجام شده است.

روش بررسی

تولید مدل پیش‏ بینی کننده به منظور طبقه بندی بیماری تیرویید، پس از پیش پردازش داده‏ ها با استفاده از روش های نظارت شده و بدون ناظر انجام گردید. این مطالعه از نوع تحلیلی بوده و پایگاه داده ی آن شامل 215 رکورد مستقل مبتنی بر 5 ویژگی پیوسته و برگرفته شده از مرجع داده یادگیری ماشین UCI می‏باشد.

یافته ها:

 در روش نظارت شده از شبکه‏ های عصبی پرسپترون چندلایه و شبکه عصبی بردار یادگیر و شبکه عصبی فازی و در روش بدون نظارت از خوشه ‏بندی فازی استفاده گردید. با روش حداقل مربعات خطا (RMSE) به ترتیب دقت‏ های 0/055 و 0/274 و 0/012 و 0/031 حاصل شد.

نتیجه گیری: 

کاهش خطای تشخیص بیماری تیرویید یکی از اهداف محققان بوده است. استفاده از روش‏ های مبتنی بر داده کاوی می‏ تواند به کاهش این خطا کمک کند. در این مطالعه تشخیص بیماری تیرویید به کمک روش‏های مختلف تشخیص الگو صورت گرفت. نتایج نشان می‏ دهد که مدل عصبی فازی دارای حداقل میزان خطا و بیشترین دقت است.

زبان:
فارسی
صفحات:
345 تا 358
لینک کوتاه:
magiran.com/p2113930 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 990,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!