5 نتیجه برای الگوریتم
سید عباس محمودی، کمال میرزائی، سید مصطفی محمودی،
دوره 11، شماره 3 - ( 6-1396 )
چکیده
زمینه و هدف: سرطان معده دومین علت مرگ ناشی از سرطان در جهان است. با توجه به اینکه این بیماری جزو کشنده ترین بیماری ها در کشور ماست بررسی و شناخت عوامل تاثیرگذار در ایجاد این بیماری، بسیار اهمیت دارد. در این پژوهش از دو تکنیک داده کاوی یعنی الگوریتم Apriori و الگوریتم ID۳ به منظور بررسی عوامل موثر در بروز سرطان معده استفاده شده است.
روش بررسی: مجموعه داده های این پژوهش از ۴۹۰ بیمار شامل ۲۲۰ نمونه ی مبتلا به سرطان و۲۷۰ نمونه ی سالم مراجعه کننده به بیمارستان امام رضای تبریز جمع آوری شد. با استفاده از الگوریتم Apriori و پیاده سازی آن در نرم افزار متلب، بهترین قوانین حاکم بر روی این مجموعه داده، استخراج شده است. همچنین از الگوریتم ID۳ نیز جهت بررسی این عوامل استفاده شد.
یافته‌ها: نتایج داده کاوی نشان می دهد که داشتن سابقه رفلاکس معده بیشترین تأثیر را در بروز این بیماری دارد. با استفاده از الگوریتم Apriori قوانینی به دست آمد که می تواند به عنوان الگویی برای پیش بینی وضعیت بیماران و احتمال بروز این بیماری و بررسی عوامل تاثیرگذار در ایجاد این بیماری استفاده شود. همچنین دقت پیش بینی به دست آمده از الگوریتم ID۳ برابر ۸۵/۵۶ به دست آمد که نتیجه ی بسیار خوبی در پیش بینی سرطان معده است.
نتیجه گیری: استفاده از داده کاوی به خصوص در داده های پزشکی با توجه به حجم بالای داده ها و وجود روابط ناشناخته بین ویژگی های سیستمیک، شخصی و رفتاری بیماران بسیار مفید است. نتایج حاصل از این پژوهش می تواند به پزشکان در شناسایی عوامل موثر در بروز این بیماری و نیز پیش بینی بروز این بیماری کمک فراوانی کند.
محمدرضا شهرکی، محبوبه مسگر،
دوره 13، شماره 1 - ( 2-1398 )
چکیده
زمینه و هدف: کبد به‌عنوان یکی از بزرگ‌ترین اندام‌های داخلی بدن، وظیفه‌ی انجام اعمال حیاتی مختلفی ازجمله تصفیه و پالایش خون، تنظیم هورمون‌های بدن، ذخیرهی گلوکز و ... را در بدن به عهده دارد. بنابراین اختلال در کارکرد آن مشکلات گاه جبران‌ناپذیری به دنبال خواهد داشت. لذا پیش‌بینی بهموقع این بیماری به درمان‌های اولیه و مؤثر آن کمک می‌کند. با توجه به اهمیت بیماری کبد و افزایش تعداد مبتلایان، مطالعه‌ی حاضر با هدف پیش‌بینی بیماری کبد با استفاده از الگوریتم‌های داده‌کاوی صورت گرفت.
روش بررسی: این پژوهش از نوع توصیفی بوده و با استفاده از 721 داده‌ی جمع‌آوری‌شده از بیماران کبدی شهر زاهدان انجام‌شده است. در این بررسی پس از پیش‌پردازش داده‌ها، تکنیکهای داده کاوی از قبیل ماشین بردار پشتیبان، CHAID، Exhaustive CHAID و C5.0 تقویت‌شده در نرم‌افزار IBM SPSS Modeler 18 بررسی، مقایسه و تحلیل‌شده است.
یافته‌ها: یافته‌ها نشان داد که الگوریتم C5.0 تقویت‌شده با دقت 94/09 درصد، الگوریتم Exhaustive CHAID با دقت 88/71 درصد، ماشین بردار پشتیبان با دقت 87/09 درصد و الگوریتم CHAID با دقت 85/47 درصد بیماری کبد را پیش‌بینی کردند. بنابراین بهترین الگوریتم از لحاظ دقت عملکرد، الگوریتم C5.0 تقویت‌شده شناخته شد.
نتیجه‌گیری: با توجه به دقت الگوریتم C5.0 تقویت‌شده و قوانین حاصل از آن، برای یک نمونه‌ی جدید با ویژگی‌های مشخص، میتوان احتمال ابتلای فرد به بیماری کبد را با دقت قابل قبولی پیش‌بینی کرد.
دکتر سید محمد جواد مرتضوی، فاطمه ترابی کنجین، دکتر بهروز مینایی بیدگلی، دکتر علی اکاتی،
دوره 13، شماره 3 - ( 6-1398 )
چکیده
زمینه و هدف: جراحی تعویض مفصل زانو درمانی رایج و قطعی در بیماران مبتلا به استئوآرتریت پیشرونده با هدف کاهش درد و بهبود کیفیت زندگی محسوب می‌شود. این نوع جراحی، در صورت برقراری اندیکاسیون آن، باید در بیماران مبتلا در اسرع وقت انجام گیرد، زیرا با مراجعه‌ی دیرهنگام، عوارض جراحی افزایش می‌یابد؛ لذا شناسایی عوامل موثر بر انتخاب این نوع رویکرد درمانی از اهمیت بسزایی برخوردار است. هدف از این پژوهش، شناسایی عوامل مؤثر بر انتخاب این نوع رویکرد درمانی در بیماران با بهره‌گیری از الگوریتم Apriori در قالب قواعد با هم‌آیی است.
روش بررسی: داده‌های مورد نیاز این مطالعه، شامل 233 بیمار مراجعه کننده به بیمارستان امام خمینی تهران با تجویز جراحی تعویض مفصل زانو است که در مرکز تحقیقات بازسازی استخوان و مفاصل ثبت شده است. در این مطالعه پس از فرایند پیش‌پردازش داده‌ها، با بهره‌گیری از الگوریتم Apriori و پیاده‌سازی آن در محیط نرم افزاری R Studio، عوامل مهم در تصمیم‌گیری جراحی تعویض مفصل زانو شناسایی و مورد کاوش قرار گرفته‌اند. این عوامل و ارتباط میان آنها بعد از استخراج به منظور تایید در اختیار پزشکان متخصص ارتوپدی قرار گرفته است.
یافته‌ها: در این مطالعه فلکسیون کانتراکچر بیش از 20 درجه، بدشکلی(واروس-والگوس) بیش از 15 درجه، میزان نهایی فلکسیون مابین 75-51 درجه و تخریب غضروف مدیال به ترتیب از مهمترین عوامل در انتخاب بیماران برای درمان تعویض مفصل زانو هستند.
نتیجه‌گیری:نتایج نشان داد که از الگوریتم‌های داده کاوی میتوان در شناسایی عوامل موثر در گزینش بیماران این رویکرد درمانی استفاده نمود.
نسترن عباسی حسن آبادی، فرزاد فیروزی جهانتیغ، پیام طبرسی،
دوره 13، شماره 6 - ( 12-1398 )
چکیده
زمینه و هدف: موفقیت مورد انتظار در کاهش و کنترل بیماری سل به‌رغم اجرای برنامه های پیشگیرانه و درمانی مؤثر فراهم نشده که یکی از دلایل آن، تاخیر در تشخیص قطعی می‌باشد. بنابراین ایجاد یک سیستم کمک تشخیص برای غربالگری بیماری سل می‌تواند به تشخیص زودهنگام این بیماری کمک کند. هدف از این تحقیق، ارزیابی الگوریتم بیز ساده به‌عنوان ابزاری برای تشخیص سل ریوی است.
روش بررسی: در این مطالعه‌ی کاربردی، جامعه پژوهش بیماران دارای علایم سل و نمونه پژوهش، داده‌های ثبت شده‌ی ۵۸۲ فرد با علایم اولیه سل در بیمارستان مسیح دانشوری تهران است. اطلاعات نمونه‌ها با تشخیص تاییدشده در دو کلاس مبتلا به سل ریوی و نرمال بررسی گردید. از الگوریتم بیز ساده (Naive Bayes) برای غربالگری بیماری سل ریوی با استفاده از علایم عمومی و اولیه بیماران از زبان برنامهنویسی پایتونPython) ) استفاده شده است.
یافته ها: دقت (Accuracy)، حساسیت (sensitivity) و ویژگیspecificity) ) حاصل از پیاده‌سازی الگوریتم بیز ساده جهت تشخیص بیماری سل ریوی بهترتیب ۹۵/۸۹%، ۹۳/۵۹% و ۹۸/۵۳% به‌دست آمد و سطح زیر منحنی مشخصه عملکرد (AUC) برابر با ۹۸/۹۱% محاسبه شد.
نتیجه‌گیری: عملکرد مدل بیز ساده برای تشخیص بیماری سل ریوی دقت قابل قبولی دارد. این سیستم می‌تواند برای کمک به بیمار و مدیریت بیماری در نقاط دور افتاده با دسترسی محدود به منابع آزمایشگاهی و کمبود متخصص، استفاده و موجب تسریع در تشخیص شود. همچنین می‌تواند موجب اقداماتی بهموقع و مناسب جهت کنترل سرایت سل ریوی به سایر افراد و تسریع بهبود این بیماری باشد.
زهرا کرباسی، میکاییل متقی نیکو، مریم زحمت کشان،
دوره 18، شماره 3 - ( 3-1403 )
چکیده
زمینه و هدف: آب مروارید به‌عنوان عامل ۵۱ درصد نابینایی در سطح جهان شناخته شده است. به‌دنبال نتایج امیدوارکننده‌ی اولیه سیستم‌های هوش‌مصنوعی در بیماری‌های چشمی، الگوریتم‌های هوش‌مصنوعی در تشخیص آب مروارید، درجهبندی شدت آب مروارید، محاسبات مربوط به لنزهای داخل چشمی و حتی به‌عنوان ابزار کمکی در جراحی آب مروارید کاربرد دارد. این مطالعه به‌صورت یک مرور سیستماتیک به بررسی تکنیکهای هوش‌مصنوعی در مدیریت بیماری آب مروارید پرداخته است.
روش بررسی: این مطالعه، مرور سیستماتیک با هدف بررسی تکنیکهای هوش‌مصنوعی به‌منظور مدیریت بیماری آب مروارید تا تاریخ ۲۰ آبان ۱۴۰۲ و بر اساس دستورالعمل پریزما انجام شد. تمام مقالات مرتبط منتشرشده به زبان انگلیسی و از طریق جستجوی سیستماتیک در پایگاه‌های اطلاعاتی آنلاین PubMed، Scopus و Web of Science استخراج شد.
یافته‌ها: در جستجوی اولیه در پایگاه‌های اطلاعاتی ۱۹۲ رکورد شناسایی شد و در نهایت ۲۳ مقاله جهت بررسی وارد مطالعه شدند. نتایج نشان داد که الگوریتم‌های شبکه عصبی پیچشی(۶ مقاله)، شبکه عصبی بازگشتی(۱ مقاله)، شبکه پیچشی عمیق(۱ مقاله)، ماشین‌بردار(۲ مقاله)، یادگیری انتقالی(۱ مقاله)، درخت تصمیم(۴ مقاله)، جنگل تصادفی(۴ مقاله)، رگرسیون لجستیک(۳ مقاله)، الگوریتم‌های بیز(۳ مقاله)، XGBoost (۳ مقاله) و الگوریتم خوشه‌بندی K نزدیک‌ترین همسایه(۲ مقاله) از تکنیک‌ها و الگوریتم‌های شبکه عصبی مصنوعی و یادگیری ماشین بودند که از آنها به‌صورت ترکیبی در مطالعات به‌منظور تشخیص(۷۰%)، مدیریت(۱۷%) و پیش‌بینی بیماری آب مروارید(۱۳%) استفاده نموده بودند.
نتیجه‌گیری: تکنیک‌ها و الگوریتم‌های مختلف هوش‌مصنوعی و یادگیری ماشین می‌توانند در تشخیص، درجهبندی، مدیریت و پیش‌بینی آب مروارید با دقت بالا عمل کرده و مؤثر باشند. در این مطالعه، تکنیکهای یادگیری عمیق و شبکه عصبی پیچشی بیشترین سهم را در تشخیص آب مروارید داشته‌اند. در مدیریت آب مروارید تکنیکهای یادگیری عمیق، درخت تصمیم و الگوریتم بیزی دخیل بودند. الگوریتم‌های یادگیری ماشین مانند رگرسیون لجستیک، جنگل تصادفی، شبکه عصبی مصنوعی، درخت تصمیم، K نزدیک‌ترین همسایه، XGBoost و تقویت سازگار نیز در پیش‌بینی آب مروارید نقش داشتند. همان‌طورکه پیش‌بینی و تشخیص زودهنگام و مراجعه بهموقع می‌تواند عوارض بیماری در آینده را کاهش دهد، به‌کارگیری سیستم‌های مبتنی بر مدل‌های هوش‌مصنوعی که دقت قابل‌قبولی دارند، می‌توانند در جهت پشتیبانی از فرایند تصمیم‌گیری پزشکان و مدیریت این بیماری مؤثر واقع گردند.
