دوره 5، شماره 4 - ( زمستان 1397 )
جلد 5 شماره 4 صفحات 446-435 |
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:
Noferesti S, Shemshadi Nejad N, Heydari F. Using Data Mining Models for Differential Diagnosis of Iron Deficiency Anemia and β-thalassemia Minor. jhbmi 2019; 5 (4) :435-446
URL: http://jhbmi.ir/article-1-327-fa.html
URL: http://jhbmi.ir/article-1-327-fa.html
نوفرستی سمیرا، شمشادی نژاد نرگس، حیدری فاطمه. استفاده از تکنیک‌های داده کاوی جهت تشخیص افتراقی بیماری‌های فقر آهن و بتا-تالاسمی مینور. مجله انفورماتیک سلامت و زیست پزشکی. 1397; 5 (4) :435-446
کارشناسی ارشد مهندسی نرم‌افزار، زاهدان، ایران
چکیده: (6059 مشاهده)
مقدمه: کم‌خونی، فقرآهن یکی از شایع‌ترین انواع کم خونی است که تشخیص افتراقی اصلی آن بتا-تالاسمی مینور می‌باشد. غـربالگری سـریـع و دقـیـق بتا-تالاسمی مینور جهت مشاوره پزشکی قبل از ازدواج و جـلوگـیری از تولد نـوزادان مبتلا به بتا-تالاسمی ماژور و تمایز آن از فـقرآهـن برای پیشگیری از تجویز نابه‌جای آهن برای درمان بتا-تالاسمی مینور از اهمیت ویژه‌ای برخوردار است. هدف مطالعه حاضر به‌کارگیری تکنیک‌های داده‌کاوی جهت افتراق فقر آهن از بتا-تالاسمی مینور بر اساس آزمایش‌های CBC به منظور افزایش سرعت تشخیص و کاهش هزینه‌های تشخیصی است.
روش: پژوهش حاضر از نوع گذشته‌نگر و بر روی داده‌های 1000 بیمار در آزمایشگاه دکتر حیدری شهرستان زاهدان انجام گرفت. برای انجام تحقیق از روش استاندارد CRISP-DM و الگوریتم‌های داده‌کاوی ماشین بردار پشتیبان، بیزین ساده، بگینگ، آدابوست و درخت تصمیم استفاده شد. برای تحلیل داده‌ها نرم‌افزار Weka به کار رفت.
نتایج: نتایج ارزیابی‌های انجام گرفته نشان می‌دهد که الگـوریتم‌های بگینگ، درخت تصمیم، آدابوست، ماشین بردار پشتیبان و بیزین ساده در افتراق فقر آهن از بتا-تالاسمی مینور به ترتیب به دقت 95/73، 95/5، 94/6، 80/2، 76/6 درصد دست یافته‌اند.
نتیجه‌گیری: در این تحقیق روشی خودکار مبتنی بر تکنیک‌های داده‌کاوی برای افتراق فقر آهن از بتا-تالاسمی مینور ارائه شد. نتایج ارزیابی‌ها نشان می‌دهد که الگوریتم بگینگ در افتراق فقر آهن از بتا-تالاسمی مینور به دقت بالاتری در مقایسه با سایر الگوریتم‌های داده‌کاوی و شاخص‌های افتراقی دست یافت. همچنین به کمک درخت تصمیم ایجاد شده، قوانینی استخراج شده‌اند که می‌توانند در تشخیص به موقع دو بیماری مذکور توسط پزشک مورد استفاده قرار گیرند.
روش: پژوهش حاضر از نوع گذشته‌نگر و بر روی داده‌های 1000 بیمار در آزمایشگاه دکتر حیدری شهرستان زاهدان انجام گرفت. برای انجام تحقیق از روش استاندارد CRISP-DM و الگوریتم‌های داده‌کاوی ماشین بردار پشتیبان، بیزین ساده، بگینگ، آدابوست و درخت تصمیم استفاده شد. برای تحلیل داده‌ها نرم‌افزار Weka به کار رفت.
نتایج: نتایج ارزیابی‌های انجام گرفته نشان می‌دهد که الگـوریتم‌های بگینگ، درخت تصمیم، آدابوست، ماشین بردار پشتیبان و بیزین ساده در افتراق فقر آهن از بتا-تالاسمی مینور به ترتیب به دقت 95/73، 95/5، 94/6، 80/2، 76/6 درصد دست یافته‌اند.
نتیجه‌گیری: در این تحقیق روشی خودکار مبتنی بر تکنیک‌های داده‌کاوی برای افتراق فقر آهن از بتا-تالاسمی مینور ارائه شد. نتایج ارزیابی‌ها نشان می‌دهد که الگوریتم بگینگ در افتراق فقر آهن از بتا-تالاسمی مینور به دقت بالاتری در مقایسه با سایر الگوریتم‌های داده‌کاوی و شاخص‌های افتراقی دست یافت. همچنین به کمک درخت تصمیم ایجاد شده، قوانینی استخراج شده‌اند که می‌توانند در تشخیص به موقع دو بیماری مذکور توسط پزشک مورد استفاده قرار گیرند.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
