ارائه روش پیشنهادی جهت بهبود دقت تشخیص بیماری دیابت نوع دو

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 972

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IAUFASA02_282

تاریخ نمایه سازی: 17 اسفند 1393

چکیده مقاله:

دیابت یک بیماری مزمن و ازچالش های بهداشت عمومی در سراسر جهان است. با توجه به نظریه فدراسیون بین المللی دیابت انتظار می رود تعداد افراد مبتلا به بیماری دیابت در سال 2025 به 380 میلیون نفر برسد. علاوه بر این، در هر سال3/8میلیون مورد مرگ منتسب به عوارض دیابت می باشد. نشان داده شده که از 80 درصد از عوارض دیابت نوع دو می توان جلوگیری کرد و یا با شناسایی زودرس افراد در معرض خطر آن را به تاخیر انداخت. در این زمینه، روش های داده کاوی و یادگیری ماشین برای تشخیص، پیش بینی و درمان دیابت استفاده شده است. در این مقاله به معرفیبرترین الگوریتم از میان روش های داده کاوی در زمینه تشخیص بیماری دیابت یعنی ماشین بردار پشتیبان می پردازیم. نتایج نشان داده که از میان الگوریتم های بردار پشتیبان روش بردار پشتیبان تطبیقی با دقت بالاتری بیماری دیابت را تشخیص می دهد

نویسندگان

ماهرخ انصاری

دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز

سعیده بارانی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز

منصور امینی لاری

عضو هیات علمی گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • AKAY, M.F, Support vector machines combined ...
  • diabetes databases, IEEE International Conference _ Systems, _ and Cybernetics ...
  • BARAKAT, A.P. BRADLEY, M.N. BARAKAT, Intelligible Support vector machines for ...
  • Technology in Biomedicine, 14, 1114-1120, 2010. ...
  • CHEN, Z., J. LI, L. WEI _ A multiple kernel ...
  • SAITI, F., et al.Thyroid disease diagnosis based On genetic algorithms ...
  • Biomedical Engineering, 1-4, 2009. ...
  • JANGHEL, R.R., A. SHUKLA, R. TIWARI, R. KALA, Breast Cancer ...
  • LUO, Z., X. WU, S. GUO, B. YE, Diagnosis of ...
  • Automation, June 20-23, 703-707, 2008a. ...
  • LUO, Z., X. WU, S. GUO, B. YE, Diagosis of ...
  • POLAT, K., S. _ Breast cancer diagnosis using least square ...
  • POLAT, K., S. _ An expert System approach based on ...
  • PURNAMI, S.W., S.P. RAHAYU, A. EMBONG, Feature selection and clas ...
  • ROUHANI, K. MANSOURI Comparison of several ANN architectures on the ...
  • diagnosis, 2009 International Association of Computer with feature selection for ...
  • Conference, 526-528, 2009. ...
  • STOEAN, R., et al. , Evolutionary Support vector ...
  • International IEEE Conference Intelligent Systems, with backward search for feature ...
  • diagnostic Systems for breast cancer detection, Expert Systems with Applications, ...
  • YUE, C., L. XIN, X. KEWEN, S. CHANG, An diabetes ...
  • V. Anuja Kumari, R.Chitra, Classification Of ...
  • Girbiz, E.Klc, A new adaptive support vector Diabetes Disease Using ...
  • DUDA, R.O., P.E. HART, D.G. STORK, Pattern classification, Wiley- Interscience ...
  • نمایش کامل مراجع