دوره 9، شماره 1 - ( 3-1401 )
جلد 9 شماره 1 صفحات 24-12 |
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:
Shishehchi S, Banihashem S Y. Development of a Combined System Based on Data Mining and Semantic Web for the Diagnosis of Autism. jhbmi 2022; 9 (1) :12-24
URL: http://jhbmi.ir/article-1-681-fa.html
URL: http://jhbmi.ir/article-1-681-fa.html
شیشه چی سمن، بنی هاشم سید یاشار. توسعه سیستم ترکیبی مبتنی بر داده‌کاوی و وب معنایی برای تشخیص بیماری اوتیسم. مجله انفورماتیک سلامت و زیست پزشکی. 1401; 9 (1) :12-24
دکترای مهندسی فناوری اطلاعات، استادیار مرکز آموزش عالی فنی و مهندسی بویین زهرا، بویین زهرا، قزوین، ایران
چکیده: (2136 مشاهده)
مقدمه: اوتیسم به عنوان یک اختلال سیستم عصبی است و از آنجایی که تشخیص مستقیمی برای آن وجود ندارد، داده‌کاوی می‌تواند به تشخیص این بیماری کمک شایانی کند. آنتولوژی به عنوان ستون وب معنایی، یک پایگاه دانش با قابلیت اشتراک‌پذیری و استفاده قابلیت مجدد می‌تواند تأییدی بر درستی سیستم‌های تشخیص بیماری باشد. هدف این تحقیق ارائه سیستمی جهت تشخیص کودکان اوتیسمی با روشی مرکب از وب معنایی و داده کاوی می‌باشد.
روش: داده‌های موجود، برگرفته از بانک داده‌ای UCI می‌باشد. در مجموع 292 رکورد داده‌ای موجود بود که 80 درصد این داده‌ها یعنی 234 رکورد جهت مدل‌سازی به وسیله درخت تصمیم استفاده شدند. اطلاعات مربوط به بیماران و بیماری اوتیسم در قالب دانش در آنتولوژی با استفاده از نرم‌افزار Protégé 5 ارائه داده شدند. آنتولوژی دارای 4 کلاس و 12 خصوصیت جهت برقراری ارتباط بین نمونه‌های موجود در کلاس‌ها بود. قانون‌های استخراج شده از درخت تصمیم، به شکلی قابل فهم (SWRL) برای تفسیر در آنتولوژی توسط یک مبدل، تبدیل شدند.
نتایج: سالم بودن و یا نبودن کودک از روی قوانین به دست آمده در درخت تصمیم قابل تشخیص است. در ضمن، خروجی آنتولوژی با استفاده از تفسیر 25 قانون، تشخیص کودکان بیمار با استفاده از درخت تصمیم را تأیید کرد. همچنین ارزیابی آنتولوژی، درستی آن را تأیید کرد.
نتیجه‌گیری: با توجه به همسان بودن خروجی آنتولوژی و درخت تصمیم در رابطه با تشخیص بیماری، می‌توان به دقت و درستی روش ارائه شده تأکید کرد.
روش: داده‌های موجود، برگرفته از بانک داده‌ای UCI می‌باشد. در مجموع 292 رکورد داده‌ای موجود بود که 80 درصد این داده‌ها یعنی 234 رکورد جهت مدل‌سازی به وسیله درخت تصمیم استفاده شدند. اطلاعات مربوط به بیماران و بیماری اوتیسم در قالب دانش در آنتولوژی با استفاده از نرم‌افزار Protégé 5 ارائه داده شدند. آنتولوژی دارای 4 کلاس و 12 خصوصیت جهت برقراری ارتباط بین نمونه‌های موجود در کلاس‌ها بود. قانون‌های استخراج شده از درخت تصمیم، به شکلی قابل فهم (SWRL) برای تفسیر در آنتولوژی توسط یک مبدل، تبدیل شدند.
نتایج: سالم بودن و یا نبودن کودک از روی قوانین به دست آمده در درخت تصمیم قابل تشخیص است. در ضمن، خروجی آنتولوژی با استفاده از تفسیر 25 قانون، تشخیص کودکان بیمار با استفاده از درخت تصمیم را تأیید کرد. همچنین ارزیابی آنتولوژی، درستی آن را تأیید کرد.
نتیجه‌گیری: با توجه به همسان بودن خروجی آنتولوژی و درخت تصمیم در رابطه با تشخیص بیماری، می‌توان به دقت و درستی روش ارائه شده تأکید کرد.
فایل صوتی [MP3 1413 KB] (71 دریافت)
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
