پیشبینی ‌تأثیر‌عوامل ‌خطرزای‌ بیماری ‌عروق‌ کرونر ‌در‌ مردان‌ با ‌استفاده ‌از‌ تکنیک ‌شبکه‌ عصبی ‌در داده کاوی

پیشبینی ‌تأثیر‌عوامل ‌خطرزای‌ بیماری ‌عروق‌ کرونر ‌در‌ مردان‌ با ‌استفاده ‌از‌ تکنیک ‌شبکه‌ عصبی ‌در داده کاوی

آکادمی داده

۱۳۹۷/۰۵/۰۵


  • 92 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

 

در این مقاله برای پیش بینی عوامل مهم و خطرزا در مردان با توجه به مدل شبکه ی عصبی مورد بررسی قرار گرفت. با توجه به نتایج حاصل از به کارگیری مدل C & R Tree زمانی که هدف فاکتور max _ heart _ rate بود، فاکتورهای exercise_angina و chest _ pain به عنوان مؤثرترین فاکتورها در پیش بینی به دست آمد. بعد از انجام مراحل با به کارگیری مدل شبکه ی عصبی که دقت آن ۸۵۰۹./ محاسبه شد، همچنین فاکتورهای ذکر شده بیشترین تأثیر را در پیش بینی به خود اختصاص دادند. این نتیجه نشان می دهد در نظر گرفتن این دو فاکتور با همدیگر کمک زیادی جهت تشخیص بیماری عروق کرونر در مردان می کند. هدف از این تحقیق این بود تا راهی برای پیش بینی به موقع برای پیشگیری از به وجود آمدن بیماریهای قلبی عروق کرونر در مردان به دست آید. با توجه به این هدف، مدل پیشنهادی با فاکتورهایی که از داده ها در اختیار بود، معرفی گردید.
 

 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر در حال پژوهش در حوزه داده کاوی هستید، سوالات و اشکالات خود را از طریق تلگرام با آکادمی داده در میان بگذارید. با عضو شدن در کانال تلگرام  آکادمی داده از مقالات جدید و دیتاست های منتشر شده مطلع شوید. 

مجموعه مقالات فارسی به صورت یکجا نیز از طریق لینک قابل دسترسی هستند. 

اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.