ارسل ملاحظاتك

ارسل ملاحظاتك لنا







A Hybrid Model of Genetic and Bat Algorithms for Pregnancy Prediction Based on the Decision Support Systems and Machine Learning

العنوان بلغة أخرى: نموذج هجين من الخوارزميات الجينية وخوارزمية الخفافيش للتنبؤ بالحمل بناء على أنظمة دعم القرار والتعلم الآلي
المؤلف الرئيسي: الضرابعة، أحمد مفلح محمد (مؤلف)
مؤلفين آخرين: Al-Diabat, Mofleh (Advisor)
التاريخ الميلادي: 2021
موقع: المفرق
الصفحات: 1 - 51
رقم MD: 1171687
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة آل البيت
الكلية: كلية الأمير الحسين بن عبد الله لتكنولوجيا المعلومات
الدولة: الاردن
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

43

حفظ في:
المستخلص: تعتبر أنظمة دعم القرارات السريرية بمثابة أنظمة ذكية حيث أنها قائمة على استخدام الكمبيوتر لمعالجة المعلومات الواضحة والمحددة. وتهدف أنظمة دعم القرارات السريرية إلى تقديم المشورة لكل من الأطباء وكافة المهنيين الصحيين والمرضى في اتخاذ القرارات السريرية، كما تهدف إلى تقليل الأخطاء الطبية التي تعتبر من أهم أسباب الوفاة في العالم بسبب سوء التشخيص أو تقدير مستوى حالة الخطر لدى المرضى مثل مرضى الإيدز. تكمن الأخطاء الطبية في إجراءات مختلفة مثل الاستنتاج الخاطئ للتشخيص الطبي، أو وصف العلاج غير الصحيح للحالة المرضية، أو التنفيذ غير الفعال للعلاج الصحيح. أحد أهم القضايا المتعلقة بأنظمة دعم القرارات السريرية هي عملية التنبؤ بالحمل، حيث اقترحت العديد من الدراسات والأبحاث عدة طرق للتنبؤ بالحمل باستخدام طرق مختلفة مثل التعلم الآلي والتعلم العميق. تقدم هذه الدراسة بعض هذه البحوث في جزء مراجعة الأدبيات من هذه الأطروحة، حيث استعرضنا مجموعة متنوعة من الطرق المستخدمة للتنبؤ بالحمل مع إظهار الاختلاف والتفاوت لنتائج هذه الدراسات. في دراستنا، حاولت الطريقة المقترحة الوصول إلى دقة عالية في التنبؤ بالحمل مقارنة بالدراسات الأخرى، حيث قمنا باستخدام المنهج الهجين للخوارزمية الجينية وخوارزمية الخفافيش، وقمنا باستخدام عدة طرق للتعلم الآلي (SVM، Random Forest، Decision Tree، شجرة الانحدار البسيط (لاختبار دقة النتائج بناء على مصفوفة الارتباك. أظهرت نتائج التجربة أفضلية الطريقة المقترحة مقارنة بنتائج الدراسات السابقة، حيث وصلت الدقة باستخدام مصنفات التعلم الآلي إلى % (SVM= 94.286) و %(RF=98.571) و %(DT=97.143)و (SRT=92.857) .

عناصر مشابهة