ارایه مدل پیش بینی بیماری اوتیسم با مدل ترکیبی انتخاب ویژگی و برنامه نویسی بیان ژن

بیماری اوتیسم یک اختلال مغزی درکودکان است که بخش های مختلف مغز در افراد مبتلا به آن در ارتباط با یکدیگر دچار مشکل می شوند. علل اصلی ابتلا به این بیماری به طور کامل مشخص نبوده و درمان قطعی برای آن وجود ندارد. اما با تشخیص سریع این بیماری، ممکن است علایم آن بهبود یافته و مهارت های اجتماعی و کلامی کودک ارتقا پیدا می کند و یا از افزایش شدت علایم بیماری جلوگیری می شود. صنعت سلامت به‌طورمستمر درحال تولید میزان زیاد از داده‌ها است و داده‌کاوی در سلامت ازجمله شیوه‌هایی است که می‌تواند این صنعت را از تحلیل عمیق این داده‌ها بهره‌مند سازد و به توسعه تحقیقات پزشکی تصمیم‌گیری‌های علمی درزمینه تشخیص و درمان منتج شود.در تحقیق پیش رو، برروی مجموعه داده های یک مرکز اوتیسم کودکان، از تکنیک‌های طبقه بندی درخت تصمیم، روش تجمعی آدابوست درخت ، و تکنیک فراابتکاری برنامه ریزی بیان ژن برای پیش‌بینی بیماری استفاده شد. ابتدا وزن شاخص‌های تاثیر گذار با روش شاخص ریلیف محاسبه شد و در گام طبقه بندی با مقایسه دقت کل و دقت recall و precision ، تکنیک gep با دقت 88.97 درصد ، بالاترین دقت طبقه بندی را گزارش داد. نتایج نشان داد، نوع صنعت ایده، خلاقیت و مهارت افراد، نوآوری و نوع سرمایه گذار تاثیر زیادی در موفقیت و یا شکست استارتاپ دارد.