دوره 20، شماره 2 - ( 6-1400 )                   جلد 20 شماره 2 صفحات 65-55 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Salahi F, Farajpour N. Designing an intelligent system for predicting chromosomal genetic diseases using data mining. jhosp 2021; 20 (2) :55-65
URL: http://jhosp.tums.ac.ir/article-1-6399-fa.html
صلاحی فریبا، فرج پور نسترن. طراحی سیستم هوشمند جهت پیش‌بینی بیماری‌های ژنتیکی کروموزومی با استفاده از تکنیک‌های داده کاوی. بیمارستان. 1400; 20 (2) :55-65

URL: http://jhosp.tums.ac.ir/article-1-6399-fa.html

طراحی سیستم هوشمند جهت پیش‌بینی بیماری‌های ژنتیکی کروموزومی با استفاده از تکنیک‌های داده کاوی
فریبا صلاحی* 1، نسترن فرج پور2
1- استادیار گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد الکترونیکی، تهران، ایران. * نویسنده مسئول- ایمیل: salahi_en@yahoo.com
2- کارشناسی ارشد مدیریت سیستم های اطلاعاتی پیشرفته، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد الکترونیکی، تهران، ایران
چکیده:   (1662 مشاهده)
زمینه و هدف: امروزه شاهد پیشرفت­های شگرف در زمینه داده­کاوی داده­های پزشکی هستیم. داده­هایی که با تجزیه و تحلیل و کشف روابط بین آنها می­توان به الگوریتم­هایی رسید که در پیشگیری و یا درمان بسیاری از بیماری­ها به ما کمک می­کنند. در این بین بیماری­های ژنتیکی بخش اعظمی از توجه دنیای پزشکی را به خود اختصاص داده­اند زیرا تولد کودکان مبتلا به ناهنجاری­های ژنتیکی بار مالی، روانی و عاطفی زیادی به جامعه تحمیل می­کند. بنابراین هدف این مطالعه ارائه الگوریتمی به عنوان یک آزمایش غربالگری  ثانویه قبل از انجام تست­های سلولی و مولکولی است.
مواد و روش­ها :در این تحقیق 1000 پرونده مربوط به زنان بارداری که بعد از آزمایشات غربالگری در گروه ریسک متوسط یا بالا قرار داشتند مورد مطالعه قرار گرفت. اطلاعات بالینی آنها ذخیره گردید، پاکسازی و حذف داده­های و یکپارچه­سازی رکوردها صورت گرفت سپس با استفاده از نرم­افزار spss modeler، داده­کاوی و کشف روابط بین داده­ها صورت گرفت و در انتها الگوریتم مناسب برای شناسایی بیماری­های ژنتیکی مشخص گردید.
نتایج: با اعمال پنج الگوریتم، شبکه­های عصبی، ماشین بردار پشتیبانی، درخت تصمیم دودویی، درخت تصمیم چندتایی و رگرسیون لجستیک بر روی داده­ها، مشخص گردید الگوریتم شبکه­های عصبی با دقت 97.522% بیشترین میزان موفقیت را در تشخیص بیماری­های ژنتیکی – کروموزومی قبل از تولد را دارا می­باشد.
نتیجه­گیری:استفاده از الگوریتم شبکه های عصبی به عنوان یک آزمایش غربالگری سبب می­گردد که تعداد افراد کمتری کاندید انجام تست­های پر­هزینه و خطرناک سلولی و مولکولی قرار گیرند و می­تواند به عنوان ابزاری در راستای کمک به کشف بیماری­ها در دنیای پزشکی مورد استفاده قرار گیرد.
واژه‌های کلیدی: الگوریتم های کلاس بندی، شبکه‌های عصبی، ناهنجاری کروموزومی، ماشین بردار پشتیبان
متن کامل [PDF 1043 kb]   (525 دریافت)    
نوع مطالعه: مطالعه ی موردی | موضوع مقاله: ارتقاء سلامت و درمان بیماران در بیمارستان
دریافت: 1400/2/11 | پذیرش: 1400/10/26 | انتشار: 1400/11/25
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به فصلنامه بیمارستان می‌باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2024 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb