ترجمه مقاله کاربرد الگوریتم های داده کاوی برای زوال عقل در افراد مبتلا به ایدز - نشریه هینداوی

ترجمه مقاله کاربرد الگوریتم های داده کاوی برای زوال عقل در افراد مبتلا به ایدز - نشریه هینداوی
قیمت خرید این محصول
۵۸,۰۰۰ تومان
دانلود مقاله انگلیسی
عنوان فارسی
کاربرد الگوریتم های داده کاوی برای زوال عقل در افراد مبتلا به ایدز
عنوان انگلیسی
Application of Data Mining Algorithms for Dementia in People with HIV/AIDS
صفحات مقاله فارسی
16
صفحات مقاله انگلیسی
8
سال انتشار
2021
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
هینداوی - Hindawi
فرمت مقاله انگلیسی
pdf و ورد تایپ شده با قابلیت ویرایش
فرمت ترجمه مقاله
pdf و ورد تایپ شده با قابلیت ویرایش
فونت ترجمه مقاله
بی نازنین
سایز ترجمه مقاله
14
نوع مقاله
ISI
نوع نگارش
مقالات پژوهشی (تحقیقاتی)
نوع ارائه مقاله
ژورنال
پایگاه
اسکوپوس
ایمپکت فاکتور(IF) مجله
2.426 در سال 2020
شاخص H_index مجله
48 در سال 2021
شاخص SJR مجله
0.462 در سال 2020
شناسه ISSN مجله
1748-670X
شاخص Q یا Quartile (چارک)
Q2 در سال 2020
کد محصول
12090
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓ ت
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن
به صورت عدد درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
ضمیمه
ندارد ☓
بیس
نیست ☓
مدل مفهومی
ندارد ☓
پرسشنامه
ندارد ☓
متغیر
ندارد ☓
فرضیه
ندارد ☓
رفرنس در ترجمه
در داخل متن و انتهای مقاله درج شده است
رشته های مرتبط با این مقاله
مهندسی پزشکی، مهندسی صنایع
گرایش های مرتبط با این مقاله
سایبرنتیک پزشکی، داده کاوی، مهندسی سیستم های سلامت
مجله
روشهای محاسباتی و ریاضی در پزشکی - Computational and Mathematical Methods in Medicine
دانشگاه
دانشگاه دولتی سئارا، فورتالزا، برزیل
doi یا شناسه دیجیتال
https://doi.org/10.1155/2021/4602465
فهرست مطالب
1. مقدمه
2. روش شناسی
3. نتایج و بحث
4. نتیجه گیری و پژوهش های آینده
منابع
تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)
         
نمونه چکیده متن اصلی انگلیسی
Dementia interferes with the individual’s motor, behavioural, and intellectual functions, causing him to be unable to perform instrumental activities of daily living. This study is aimed at identifying the best performing algorithm and the most relevant characteristics to categorise individuals with HIV/AIDS at high risk of dementia from the application of data mining. Principal component analysis (PCA) algorithm was used and tested comparatively between the following machine learning algorithms: logistic regression, decision tree, neural network, KNN, and random forest. The database used for this study was built from the data collection of 270 individuals infected with HIV/AIDS and followed up at the outpatient clinic of a reference hospital for infectious and parasitic diseases in the State of Ceará, Brazil, from January to April 2019. Also, the performance of the algorithms was analysed for the 104 characteristics available in the database; then, with the reduction of dimensionality, there was an improvement in the quality of the machine learning algorithms and identified that during the tests, even losing about 30% of the variation. Besides, when considering only 23 characteristics, the precision of the algorithms was 86% in random forest, 56% logistic regression, 68% decision tree, 60% KNN, and 59% neural network. The random forest algorithm proved to be more effective than the others, obtaining 84% precision and 86% accuracy.

1. Introduction

Data mining (MD) is one of the data exploration processes capable of predicting and extracting consistent patterns by using strategies such as learning algorithms, such as artificial intelligence (AI), or classification in statistics, which can reveal hidden relationships and accurate data [1, 2].

The application of MD is in health information systems, in the public and private spheres, which, through a process of selection, preprocessing, and data transformation, one can discover patterns and generate knowledge through their interpretations. With this method, the health professional will identify, characterise, and guide the patient based on patterns of health problems and care therapies for different diseases [2].

نمونه چکیده ترجمه متن فارسی
زوال عقل باعث اختلال در کارکردهای حرکتی، رفتاری، و هوشی فرد می شود به طوری که او را از انجام فعالیت های مؤثر روزمره بازمی دارد. پژوهش کنونی بر آن بود که بهترین الگوریتم عمل کننده و مرتبط ترین خصوصیات را با استفاده از داده کاوی شناسایی کند تا بدین وسیله افراد مبتلا به ایدزی که در خطر جدی زوال عقل هستند را طبقه-بندی نماید. در این راستا، الگوریتم تحلیل مؤلفه های اصلی (PCA) مورد استفاده قرار گرفت و آزمایش هایی به شکل مقایسه ای میان الگوریتم های یادگیری ماشینی زیر انجام شد: رگرسیون لجستیک، درخت تصمیم، شبکه ی عصبی، KNN (k همسایه ی نزدیک تر) و جنگل تصادفی. پایگاه داده ی مورد استفاده در این مطالعه بر پایه ی گردآوری داده ی 270 انسان مبتلا به ایدز تدوین گردید و ادامه ی کار در درمانگاه یک بیمارستان مرجع بیماری های واگیردار و انگلی در ایالت سیرا برزیل از ژانویه تا آوریل 2019 پیگیری شد. همچنین، عملکرد الگوریتم ها به ازای 14 ویژگی و خصوصیت موجود در پایگاه داده تجزیه و تحلیل شدند؛ آنگاه با کاهش ابعاد، در کیفیت الگوریتم های یادگیری ماشینی بهبودی حاصل شد و مشخص گردید که در جریان آزمون ها، حتی حدود 30 درصد تنوع از میان رفت. افزون بر این، هنگام در نظر گرفتن تنها 23 ویژگی و خصوصیت، دقت الگوریتم ها در جنگل تصادفی برابر 86 درصد، در رگرسیون لجستیک برابر 56 درصد، در درخت تصمیم برابر 68 درصد، در KNN برابر 60 درصد، و در شبکه ی عصبی برابر 59 درصد بود. معلوم گردید که الگوریتم جنگل تصادفی نسبت به بقیه کارامدتر است به طوری که به دقت 84 درصدی و صحت 86 درصدی دست یافت.

1. مقدمه

داده کاوی (MD) یکی از فرایندهای واکاوی داده ها است که با استفاده از راهبردهایی همچون الگوریتم های یادگیری، هوش مصنوعی (AI) یا طبقه بندی ها آماری، که می توانند روابط پنهان و داده های صحیح را آشکار کنند، قادر به پیش بینی و استخراج الگوهای منسجم است [1 و 2].

کاربرد داده کاوی در سامانه های اطلاعات سلامت، خواه حوزه های عمومی و خواه خصوصی، است که از طریق فرایند انتخاب، پیش پردازش و تبدیل داده ها می توان الگوها را یافت و با تفسیر آن ها دانش تولید کرد. با استفاده از این روش و بر پایه ی الگوهای مسائل سلامت و درمان های مراقبتی برای بیماری های گوناگون، متخصص بهداشت بیمار را شناسایی، توصیف، و راهنمایی خواهد کرد.


بدون دیدگاه