1405/02/20
حسین مهدی‌زاده (Hossein Mahdizadeh)

حسین مهدی‌زاده (Hossein Mahdizadeh)

مرتبه علمی: دانشیار
ارکید:
تحصیلات: دکترای تخصصی
ریسرچ گیت:
دانشکده: ادبیات و علوم انسانی
اسکولار:
پست الکترونیکی: hossein.mahdizadeh [at] ilam.ac.ir
اسکاپوس:
تلفن:
HIndex:

مشخصات پژوهش

عنوان
پیش بینی بیماری قلبی با استفاده از تکنیک داده کاوی شبکه عصبی
نوع پژوهش
مقاله ارائه شده کنفرانسی
کلیدواژه‌ها
داده کاوی، شبکه عصبی، بیماری قلبی
سال 1393
پژوهشگران مریم کاظمی ، حسین مهدی‌زاده (Hossein Mahdizadeh) ، اردشیر شیری

چکیده

داده کاوی به بررسی و تجزیه و تحلیل مقادیر عظیمی از داده ها به منظور کشف الگوها و قوانین معنی دار اطلاق میشود کهه عمدتا از طریق ساختن مدل ها و الگوریتم ها، ورودی ها را با هدف خاصی مرتبط می نماید. گاهی تکنیک های داده کاوی منجر به شناسایی الگوریتم های معنادار می شوند که می توانند با استفاده از داده های موجود و در دسترس و با هزینه کم، زمینهه های ابتلا، پیشگیری و درمان بیماری ها را در پزشکی فراهم آورده و پزش ها را در تشخص به موقع یاری رساند. این مطالعه با هدف استفاده مدیران بیمارستان از نتایج حاصل از داده کاوی سیستم های اطلاعات بیمارستانی جهت پیش بینی دقیق تر و تصمیم گیری مؤثرتر در درمان بیماران صورت گرفته است. داده های مورد استفاده در این مطالعه، مربوط به اطلاعات ۲۷۰ بیمار است که از انبار داده سایت UCI استخراج شده و شامل ۱۱ متغیر است. از مدل شبکه عصبی برای پیشبینی مبتلا بودن به بیماری قلبی استفاده شده و دقت پیش بینی آن مورد بررسی قرار گرفته است. بر اساس نتایج، مشاهده میشود، مدل شبکه عصبی با ساختار پرسپترون چند لایه با دقتی برابر با %۸۳.۳۳ عمل کلاس بندی را برای مجموعه مشاهدات آزمون انجام داده است.