این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت فناوری اطلاعات، جلد ۱۰، شماره ۱، صفحات ۶۹-۹۲
عنوان فارسی به‎‎کارگیری تکنیک‎های دسته‎بندی ترکیبی رأی‎گیری با توافق سطح بالا برای تفکیک بیماری التهاب روده
چکیده فارسی مقاله به‎دلیل پیچیدگی تصمیمات پزشکی، کاربرد سیستم‎های هوشمند برای پشتیبانی از این تصمیمات افزایش یافته است. در این پژوهش از قابلیت پنج الگوریتم مختلف ماشین بردار پشتیبان، درخت تصمیم‎گیری، نایو بیزین، نزدیک‎ترین همسایه و جنگل تصادفی، یک دسته‎بند ترکیبی ساخته شده که برای به‎دست آوردن نتیجۀ آرای این دسته‎بند، از رویکرد رأی‎گیری با توافق سطح بالا به‎منظور ارزیابی و پیش‎بینی استفاده می‎شود. با توجه به اهمیت درگیری اعضای بدن نسبت به بیماری التهاب روده، در ارزیابی و مقایسۀ نتایج به‎دست آمده، دسته‎بند ترکیبی پیشنهاد شده برای تفکیک دو نوع بیماری التهاب روده (کرون و کولیت) به درصد صحت بالاتری دست یافته است. نتیجۀ پژوهش و مقایسۀ روش‎ها با توجه به آزمایش‎های انجام شده نشان داد، بالاترین صحت پیش‎بینی (98 درصد) در دسته‎بندی ترکیبی پیشنهادشده (رأی‎گیری با توافق سطح بالا) به‎دست آمده است. در گام آخر، مدل ساخته شده با استفاده از نمودار مشخصه‎های عامل گیرندۀ ROC ارزیابی شد و مساحت زیر نمودار AUC به‎دست آمد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Applying High-level Agreement Ensemble Classification Voting Techniques to Distinguish Inflammatory Bowel Disease
چکیده انگلیسی مقاله Due to the complexity of medical decisions, there is a growing interest in the application of intelligence systems to support these decisions. In this paper, accordingly, the potential of several algorithms such as K Nearest Neighbor, Support Vector Machine, Random Forest, Naive Bayes, and Decision Tree was used to create an ensemble classification. Then, to obtain the voting result, high level agreement voting was used to evaluate the performance and make prediction. According to the involvement of body organs with this disease, the problem of diagnosing and differentiating various types of bowl inflammation was investigated. We should mention that higher prediction accuracy was obtained using the proposed model. The results and the comparisons of these methods showed that the proposed model indicates the highest prediction accuracy which is 98%. In the final step, the proposed model was evaluated applying the receiver operating characteristic curve model (ROC), and the area under the curve (AUC) was calculated.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله راحیل حسینی |
استادیار گروه مهندسی کامپیوتر، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران

نیره زاغری |
دانشجوی دکتری مهندسی کامپیوتر، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی شهر قدس (Islamic azad university of shahr e qods)

نشانی اینترنتی https://jitm.ut.ac.ir/article_63208_3d2a52f60fbb0c18a0fd5a9e01aaf0ff.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-573534.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات