دوره 9، شماره 1 - ( 3-1401 )                   جلد 9 شماره 1 صفحات 24-12 | برگشت به فهرست نسخه ها

XML English Abstract Print


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

Shishehchi S, Banihashem S Y. Development of a Combined System Based on Data Mining and Semantic Web for the Diagnosis of Autism. jhbmi 2022; 9 (1) :12-24
URL: http://jhbmi.ir/article-1-681-fa.html
شیشه چی سمن، بنی هاشم سید یاشار. توسعه سیستم ترکیبی مبتنی بر داده‌کاوی و وب معنایی برای تشخیص بیماری اوتیسم. مجله انفورماتیک سلامت و زیست پزشکی. 1401; 9 (1) :12-24

URL: http://jhbmi.ir/article-1-681-fa.html


دکترای مهندسی فناوری اطلاعات، استادیار مرکز آموزش عالی فنی و مهندسی بویین زهرا، بویین زهرا، قزوین، ایران
چکیده:   (1300 مشاهده)
مقدمه: اوتیسم به عنوان یک اختلال سیستم عصبی است و از آنجایی که تشخیص مستقیمی برای آن وجود ندارد، داده‌کاوی می‌تواند به تشخیص این بیماری کمک شایانی کند. آنتولوژی به عنوان ستون وب معنایی‌، یک پایگاه دانش با قابلیت اشتراک‌پذیری و استفاده قابلیت مجدد می‌تواند تأییدی بر درستی سیستمهای تشخیص بیماری باشد. هدف این تحقیق ارائه سیستمی جهت تشخیص کودکان اوتیسمی با روشی مرکب از وب معنایی و داده کاوی می‌باشد.
روش: داده‌های موجود، برگرفته از بانک داده‌ای UCI می‌باشد. در مجموع 292 رکورد داده‌ای موجود بود که 80 درصد این داده‌ها یعنی 234 رکورد جهت مدل‌سازی به وسیله درخت تصمیم استفاده شدند. اطلاعات مربوط به بیماران و بیماری اوتیسم در قالب دانش در آنتولوژی با استفاده از نرم‌افزار Protégé 5 ارائه داده شدند. آنتولوژی دارای 4 کلاس و 12 خصوصیت جهت برقراری ارتباط بین نمونه‌های موجود در کلاس‌ها بود. قانون‌های استخراج شده از درخت تصمیم، به شکلی قابل فهم (SWRL) برای تفسیر در آنتولوژی توسط یک مبدل، تبدیل شدند.
نتایج: سالم بودن و یا نبودن کودک از روی قوانین به دست آمده در درخت تصمیم قابل تشخیص است. در ضمن، خروجی آنتولوژی با استفاده از تفسیر 25 قانون، تشخیص کودکان بیمار با استفاده از درخت تصمیم را تأیید کرد. همچنین ارزیابی آنتولوژی، درستی آن را تأیید کرد.
نتیجه‌گیری: با توجه به همسان بودن خروجی آنتولوژی و درخت تصمیم در رابطه با تشخیص بیماری، می‌توان به دقت و درستی روش ارائه شده تأکید کرد.
متن کامل [PDF 1373 kb]   (626 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: هوش مصنوعی در حوزه سلامت
دریافت: 1400/12/6 | پذیرش: 1401/3/8

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 انفورماتیک سلامت و زیست پزشکی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Health and Biomedical Informatics

Designed & Developed by : Yektaweb