امیرحسین حریری - گروه مهندسی کامپیوتر، آموزشکده فنی پسران شماره (۲) اصفهان– سروش، دانشگاه فنی و حرفه ای استان اصفهان، ایران
مانی قنبری - دپارتمان مهندسی مکانیک ماشین های کشاورزی، آموزشکده فنی کشاورزی شهریار، دانشگاه فنی و حرفه ای استان تهران، ایران

بیماری اوتی سم یک اختلال مغزی درکودکان ا ست که بخش های مختلف مغز در افراد مبتلا به آن در ارتباط با یکدیگر دچار مشکل می شوند. علل اصلی ابتلا به این بیماری به طور کامل مشخص نبوده و درمان قطعی برای آن وجود ندارد. اما با تشخیص سریع این بیماری، ممکن است علایم آن بهبود یافته و مهارت های اجتماعی و کلامی کودک ارتقا پیدا می کند و یا از افزایش شدت علایم بیماری جلوگیری می شود. صنعت سلامت بهطورمستمر درحال تولید میزان زیاد از داده ها است و داده کاوی در سلامت ازجمله شیوههایی است که میتواند این صنعت را از تحلیل عمیق این داده ها بهره مند سازد و به توسعه تحقیقات پزشکی تصمیم گیری های علمی درزمینه تشخیص و درمان منتج شود.در تحقیق پیش رو، برروی مجموعه داده های یک مرکز اوتیسم کودکان، از تکنیکهای طبقه بندی درخت تصمیم، روش تجمعی آدابوست درخت ، و تکنیک فراابتکاری برنامه ریزی بیان ژن برای پیشبینی بیماری استفاده شد. ابتدا وزن شاخصهای تاثیر گذار با روش شاخص ریلیف محاسبه شد و در گام طبقه بندی با مقایسه دقت کل و دقت Recall و precision، تکنیک GEP با دقت ۸۸,۹۷ درصد ، بالاترین دقت طبقه بندی را گزارش داد. نتایج نشان داد، نوع صنعت ایده، خلاقیت و مهارت افراد، نوآوری و نوع سرمایه گذار تاثیر زیادی در موفقیت و یا شکست استارتاپ دارد.

تشخیص بیماری اوتیسم، داده کاوی، طبقه بندی بیماری، درخت تصمیم، الگوریتمهای تجمعی، آدابوست، فراابتکاری، الگوریتم بیان ژن، برنامه ریزی ژنتیک