استفاده از رویکرد استخراج، بارگذاری، تبدیل و تحلیل برای داده کاوی در محیط سلامت (مطالعه موردی : بیماری کبد)

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 استفاده از رویکرد استخراج، بارگذاری، تبدیل و تحلیل برای داده کاوی در محیط سلامت (مطالعه موردی : بیماری کبد) دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد استفاده از رویکرد استخراج، بارگذاری، تبدیل و تحلیل برای داده کاوی در محیط سلامت (مطالعه موردی : بیماری کبد)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی استفاده از رویکرد استخراج، بارگذاری، تبدیل و تحلیل برای داده کاوی در محیط سلامت (مطالعه موردی : بیماری کبد)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن استفاده از رویکرد استخراج، بارگذاری، تبدیل و تحلیل برای داده کاوی در محیط سلامت (مطالعه موردی : بیماری کبد) :

تعداد صفحات :۱۲

چکیده مقاله:

دانش نوین داده کاوی یکی از ده دانش در حال توسعه است. با توجه به اینکه امروزه با رشد وسیع بیماری ها حجم زیادی از داده ها طی فرآیندهای مراقبت و درمان حاصل می شود تحلیل و تفسیر آنها با هدف کشف الگوها و دانش جدید می تواند منتج به ارتقای سلامت شود. هدف این تحقیق استفاده از رویکردی بنام استخراج، بارگذاری، تبدیل و تحلیل (ELTA ) برای داده کاوی در حوزه سلامت و پیاده سازی عملی با ابزارها و تکنیک های داده کاوی برای یک تصمیم بهینه در خصوص تشخیص زود هنگام بیماری کبد می باشد. این رویکرد از دو مرحله اساسی تحت پیش پردازش داده ها و تحلیل الگوریتم های پیشنهادی C5.0 تقویت شده و CHAID تشکیل شده است. با مقایسه عملکرد این الگوریتم ها مشخص شد که الگوریتم C5.0 از طریق تکنیک تقویت کنندگی(Bosting) دارای دقت ۹۳.۷۵ درصد است در حالیکه دقت الگوریتم CHAID، ۶۵ درصد شده است. یکی دیگر از دستاوردهای مهم این تحقیق در مورد توانایی هر دو الگوریتم در تولید قوانین برای کلاس های مربوط به بیماری کبد می باشد. همچنین نتایج ارزیابی ما نشان می دهد که الگوریتم C5.0 تقویت شده، جنسیت را در بیماری کبد در نظر می گیرد در حالی که این عامل در بسیاری از مطالعات دیگر نادیده گرفته شد. بنابراین روش های تشخیصی پیشنهاد شده به عنوان یک سیستم متخصص و هوشمند تاثیر مهمی در تشخیص بیماری کبد دارند. براساس نتایج حاصل از تحلیل داده ها مدل ما عملکرد بهتری نسبت به روش های موجود در ادبیات تحقیق دارد.