دوره 4، شماره 1 - ( بهار 1396 )
جلد 4 شماره 1 صفحات 68-59 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mirsharif M, Rouhani S. Data Mining Approach based on Neural Network and Decision Tree Methods for the Early Diagnosis of Risk of Gestational Diabetes Mellitus. jhbmi 2017; 4 (1) :59-68
URL: http://jhbmi.ir/article-1-181-fa.html
URL: http://jhbmi.ir/article-1-181-fa.html
میرشریف مریم، روحانی سعید. داده کاوی بر پایه روش‌های شبکه عصبی و درخت تصمیم در تشخیص زود هنگام ریسک ابتلا به دیابت بارداری. مجله انفورماتیک سلامت و زیست پزشکی. 1396; 4 (1) :59-68
کارشناس ارشد مدیریت فناوری اطلاعات، دانشگاه علوم و تحقیقات تهران، تهران، ایران.
چکیده: (8010 مشاهده)
مقدمه: امروزه در دنیای مدرن صنعتی خطر ابتلا به بیماری‌های مزمن به طرز چشمگیری افزایش یافته است. دیابت بارداری یکی از مسائل مهم در حوزه سلامت است و در صورتی که درمان نشود مشکلات و عوارض جانبی متعددی برای مادر و فرزندش به همراه دارد. این پژوهش به دنبال پیش‌بینی ریسک و هشدار به موقع در ابتلا به دیابت بارداری به مادر می‌باشد تا در اوایل بارداری از ابتلا جلوگیری به عمل آید.
روش: این پژوهش که به صورت کاربردی- پیمایشی انجام شد و از دو رویکرد شبکه عصبی و درخت تصمیم در دادهکاوی به منظور تجزیه‌وتحلیل آزمایشی داده‌ها و پیش‌بینی استفاده گردید. داده‌های استخراج شده نرمال‌سازی شده و پس از آماده‌سازی در نرم‌افزار Matlab تجزیه‌وتحلیل شدند.
نتایج: تحقیق حاضر در پی یافتن پاسخ به این پرسش است که"آیا دو روش دادهکاوی شبکه عصبی و درخت تصمیم در تشخیص به هنگام و درست ریسک ابتلا به دیابت بارداری از صحت لازم برخوردار است ؟" و می‌توان از آن‌ها برای تشخیص درست استفاده نمود؟ نتایج تحقیق نشان می‌دهد که روش‌های داده مدار در بهبود صحت و درستی پیش‌بینی مؤثرند، در کشف دانش ضمنی و تشخیص روابط پنهان بین داده‌ها عملکرد مناسبی دارند و خطای تصمیم‌گیری در هر دو روش در حد قابل پذیرش و بسیار به هم نزدیک است.
نتیجه گیری: نتایج تحقیق حاکی از آن است که از رویکرد‌های داده مدار می‌توان در مراکز درمانی و سایر بیماری‌های کمتر شناخته شده استفاده نمود و پیشگیری به موقع، مدیریت خود بیمار و کاهش هزینه‌های درمانی را میسر ساخت.
روش: این پژوهش که به صورت کاربردی- پیمایشی انجام شد و از دو رویکرد شبکه عصبی و درخت تصمیم در دادهکاوی به منظور تجزیه‌وتحلیل آزمایشی داده‌ها و پیش‌بینی استفاده گردید. داده‌های استخراج شده نرمال‌سازی شده و پس از آماده‌سازی در نرم‌افزار Matlab تجزیه‌وتحلیل شدند.
نتایج: تحقیق حاضر در پی یافتن پاسخ به این پرسش است که"آیا دو روش دادهکاوی شبکه عصبی و درخت تصمیم در تشخیص به هنگام و درست ریسک ابتلا به دیابت بارداری از صحت لازم برخوردار است ؟" و می‌توان از آن‌ها برای تشخیص درست استفاده نمود؟ نتایج تحقیق نشان می‌دهد که روش‌های داده مدار در بهبود صحت و درستی پیش‌بینی مؤثرند، در کشف دانش ضمنی و تشخیص روابط پنهان بین داده‌ها عملکرد مناسبی دارند و خطای تصمیم‌گیری در هر دو روش در حد قابل پذیرش و بسیار به هم نزدیک است.
نتیجه گیری: نتایج تحقیق حاکی از آن است که از رویکرد‌های داده مدار می‌توان در مراکز درمانی و سایر بیماری‌های کمتر شناخته شده استفاده نمود و پیشگیری به موقع، مدیریت خود بیمار و کاهش هزینه‌های درمانی را میسر ساخت.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
