چکیده مقاله
صنعت مراقبت های بهداشتی یک صنعت وسیع است که نیازمند جمع آوری و پردازش اطلاعات پزشکی است یکی از روشهای مهم برای استنتاج داده ها، داده کاوی و استفاده از روش های یادگیری ماشین در تجزیه و تحلیل داده های پزشکی و رسیدنبه نتایج مهم در بهبود روش های درمانی و کنترل بیماری های لاعلاج، همه گیر و مرگبار است در ۱۱ مارس ۲۰۲۰ ، کووید ۱۹به عنوان اعلامیه سازمان بهداشت جهانی WHO بیماری همه گیر شناخته شد اکنون با گسترش بیشتر کووید ۱۹ در سراسر جهان با کمک روشهای غیر بالینی مانند روش های داده کاوی, اطلاعات تقویت شده و دیگر تکنیک های هوش مصنوعی،نیازاست تا بهترین روشهای ممکن برای تشخیص و پیش بینی بیماری همه گیر کووید ۱۹ فراهم شود، این تحقیق در راستایتشخیص بیماری کووید ۱۹ با روش های یادگیری ماشین نظارت شده بر روی مجموعه داده های بالینی افراد مبتلا به کووید ۱۹ انجام شد که شامل بررسی متون گذشته، یافتن مجموعه داده مناسب، مدل سازی ، تست و ارزیابی مدل وپیش بینی میباشد این تحقیق الگوریتم های مختلف را برای پردازش داده های بیماران مقایسه می کند و در نهایت الگوریتم های جمعی رایگیری و انباشت را که از ترکیب الگوریتم های مدل های پایه درخت تصمیم، k نزدیک ترین همسایگی، ماشین بردار پشتیبان و جنگل تصادفی و رگرسیون لجستیک به دست می آید را معرفی می کند در پیاده سازی مدل با تکنیک رای گیری به نتایجصحت ۹۸ % ، دقت ۰,۹۹۲ ،حساسیت ۰,۹۸۲ ،خاصیت ۰,۹۷ درصدی رسید وتکنیک انباشت به میزان صحت ۰,۹۸۲ ، دقت۰,۹۸۷ ،حساسیت ۰,۹۸۹ وخاصیت ۰,۹۵ رسید که در بهبود مشکلات هر کدام از طبقه بند ها بسیار موثر بود
کلیدواژهها
نویسندگان
سمیه ناوگی
دانشجوی کارشناسی ارشد، موسسه ی آموزش عالی اشراق بجنورد
شادی لنگری
استاد یار گروه کامپیوتر موسسه آموزش عالی اشراق بجنورد
احسان جعفری
مربی گروه کامپیوتر موسسه آموزش عالی اشراق بجنورد
شیوه ارجاع
ناوگی، سمیه و لنگری، شادی و جعفری، احسان،1400،تشخیص COVID-۱۹ با استفاده از طبقه بندی بهبود یافته با روش های یادگیری گروه،هشتمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران،تهران
ارائهشده در
مجموعه مقالات هشتمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران28 بهمن 1400 · تهران