دوره 79، شماره 10 - ( دی 1400 )                   جلد 79 شماره 10 صفحات 830-822 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Arabzadeh S A A, Jamshidi V, Saeed M, Yazdani R, Jamshidi M. Automated detection of coronavirus disease (COVID-19) by using data-mining techniques: a brief report. Tehran Univ Med J. 2022; 79 (10) :822-830
URL: http://tumj.tums.ac.ir/article-1-11474-fa.html
عرب‌زاده سید علی ‌اکبر، جمشیدی وحید، سعید مسعود، یزدانی رستم، جمشیدی مهدیه. تشخیص خودکار بیماری کرونا (کوید-19) با استفاده از تکنیک‌های داده‌کاوی: یک گزارش کوتاه. مجله دانشکده پزشکی، دانشگاه علوم پزشکی تهران. 1400; 79 (10) :830-822

URL: http://tumj.tums.ac.ir/article-1-11474-fa.html


1- گروه مهندسی کامپیوتر، دانشکده مهندسی،‌ دانشگاه شهید باهنر کرمان، کرمان، ایران.
2- گروه مهندسی کامپیوتر، دانشکده مهندسی،‌ دانشگاه شهید باهنر کرمان، کرمان، ایران. ، vjamshidi@uk.ac.ir
3- گروه داخلی، دانشکده پزشکی، دانشگاه علوم پزشکی کرمان، کرمان، ایران.
4- گروه داخلی، دانشکده پزشکی، دانشگاه علوم پزشکی رفسنجان، رفسنجان، ایران.
چکیده:   (516 مشاهده)
زمینه و هدف: تشخیص زود هنگام بیماری همه‌گیر کرونا (کوید-19) نقش مهمی در جلوگیری از مرگ‌ومیر دارد. مطالعه حاضر با هدف استخراج ویژگی‌های کلیدی بیماری و یافتن بهترین روش‌های داده‌کاوی که باعث بهبود صحت تشخیص بیماری کرونا می‌شود، صورت گرفته است.     
روش بررسی: در این مطالعه، اطلاعات و علایم بالینی مربوط به بیماران مبتلا به کوید-19، از کلینیک‌های عفونی بیمارستان افضلی پور کرمان و علی‌بن‌ابیطالب رفسنجان از اسفند 1398 تا بهمن 1399 به‌مدت 12 ماه گردآوری شدند. مدل‌های پیش‌بینی با استفاده از ترکیب‌های مختلف از ویژگی‌های بیماری و هفت روش داده‌کاوی، ایجاد شده و مورد آزمایش قرار گرفتند.
یافته‌ها: 9 ویژگی کلیدی و سه تکنیک برتر داده‏کاوی شناسایی شدند. نتایج آزمایش‏ها نشان می‌دهند که مدل پیش‌بینی ارایه شده با استفاده از ویژگی‌های کلیدی شناسایی شده و بهترین تکنیک داده‏کاوی به‌دست آمده، دقت 19/83% را برای تشخیص بیماری کرونا فراهم می‌کند.
نتیجه‌گیری: با توجه ویژگی‌های کلیدی و تکنیک‌های داده‌کاوی به‌دست آمده از این مطالعه می‌توان با تکمیل مجموعه داده و استفاده از این روش، با دقت بالا ابتلا به کوید- 19 را در افراد با ویژگی‌های بالینی مختلف تشخیص داد.
متن کامل [PDF 427 kb]   (231 دریافت)    
نوع مطالعه: مقاله اصیل |

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2022 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb