سال انتشار: ۱۳۹۱

محل انتشار: دومین کنفرانس ملی مهندسی نرم افزار

تعداد صفحات: ۷

نویسنده(ها):

بهناز تخم چی – دانشگاه آزاد اسلامی زنجان
مهدی افضلی –
علی علی جماعت – دانشگاه اسلامی واحد ابهر

چکیده:

امروزه با توجه به حجم وسیع داده های موجود و پیچیدگی آنها بیش ازپیش به ابزاری کاراو موثر به منظور کشف دانش سودمندموجود دراین داده ها نیاز می باشد داده کاوی فرایندی است که بشر را درکشف چنین دانشی یاری می نماید استفاده از داده کاوی درپزشکی اززمینه های پرکاربرد داده کاوی میباشد که درسالهای اخیر تحقیقات زیادی پیرامون آن انجام شده است داده های ذخیره شده درپایگاه داده های پزشکی معمولا شامل دانش با ارزش و پنهانی می باشند که درامرتشخیص و پیش بینی بیماری و درمان آن می توانند مفید واقع شوند کشف و استخراج این دانش ارزشمند نیازمند ایجاد سیستم های هوشمندی به نام سیستم های پشتیبان تصمیم پزشکی می باشد که بدون استفاده از الگوریتم های داده کاوی درآنها این مهم امکان پذیر نمی باشد از این رو دراین مقاله به بررسی و مقایسه رایج ترین الگوریتم های داده کاوی استفاده شده درسیستم های پشتیبان تصمیم گیری برروی مجموعه داده بیماری پرداخته و درادامه یک روش ترکیبی از شبکه های عصبی برای پیش بینی بیماری معرفی میشود.