>
Fa   |   Ar   |   En
   رویکرد ترکیبی مبتنی بر گرادیان درختان تقویت شده جهت پیش‌بینی نیازمندی بیماران به عمل سزارین  
   
DOR 20.1001.2.0020135610.1400.4.1.199.2
نویسنده زادبر هاجر ,فرخ‌بخت فومنی مهدی
منبع همايش ملي فناوريهاي نوين در مهندسي برق، مكانيك و كامپيوتر ايران - 1400 - دوره : 4 - چهارمین همایش ملی فناوریهای نوین در مهندسی برق، مکانیک و کامپیوتر ایران - کد همایش: 00201-35610
چکیده    امروزه در برنامه‌های تصمیم‌یار هوشمند، نیاز به تشخیص عمل جراحی به عنوان یک عملیات حساس تلقی می‌گردد. اینکار بررسی‌های متنوع بیمار به معاینات متنوع را کاهش می‌دهد. عمل سزارین، به عنوان یکی از جراحی‌های شایع می‌تواند تاثیرات نامطلوبی برای مادر تا پایان عمر داشته باشد. در کنار تشخیص پزشک، شناسایی فرد باردار به عمل سزارین بر اساس سایر عوامل می‌تواند در افزایش سرعت تصمیم‌گیری پزشک و کاهش آزمایش‌های پرهزینه اضافی برای فرد موثر باشد. تشخیص نیاز بیمار به جراحی با کمک یادگیری ماشین یک تکنیک نوین است که به پزشکان در تصمیم‌گیری سایر پارامترها و عوامل وابسته در تشخیص نهایی یاری می‌رساند. در این پژوهش یک روش جهت تشخیص نیاز بیمار به عمل سزارین با تکنیک‌های تشخیص الگو ارائه می‌شود. روش ارائه شده با ایجاد ویژگی‌های ریسک از بردار اولیه و خوشه‌بندی کا-میانگین، بردار ویژگی را بهبود می‌دهد. روش پیشنهادی با بکارگیری طبقه‌بند گرادیان درختان تقویت شده توانست در تشخیص نیاز فرد باردار به سزارین به ضریب همبستگی متیوس 0.571، دقت %78.75، صحت %75.44 و اندازه‌ی اف %83.5 دست یابد.
کلیدواژه پیشگیری از عمل جراحی ,عمل سزارین ,مدل گرادیان تقویتی ,طبقه‌بندی داده‌های سلامت ,ویژگی‌های ریسک
آدرس دانشگاه آزاد فومن و شفت, ایران, دانشگاه آزاد فومن و شفت, ایران
پست الکترونیکی m.farrokhbakht@fshiau.ac.ir
 
   A hybrid approach based on gradient boosted trees to predict the need for cesarean sections  
   
Authors
Abstract   
Keywords
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved