عنوان
پيش بيني سلامتي بيماران كويد-19 با استفاده از روش‌هاي يادگيري ماشين
نويسنده اصلي
كمالي، فرشاد
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
علوم رياضي
مقطع تحصيلي
كارشناسي ارشد
چكيده
بيماري كوويد-19، ناشي از ويروس (2SARS-CoV) تأثيرات گسترده‌اي بر سلامت عمومي در سطح جهاني داشته است. از اين رو به تحليل جامع داده‌هاي باليني و آزمايشگاهي بيماران مبتلا به كوويد-19 با هدف درك عميق از ويژگي‌هاي جمعيت شناسي، باليني و آزمايشگاهي اين بيماري از اهميت فراواني برخوردار است.
در اين تحقيق داده هاي باليني بيماران مبتلا به كويد-19 مورد بررسي قرار گرفته است و مشخصات باليني، يافته هاي آزمايشگاهي، درمان ها و نتايج مورد تحليل قرار گرفته اند.
هدف تحقيق پيش بيني دقيق از تشخيص باليني بيماري بوده است. نتايج اين تحقيق نشان مي‌دهد كه شاخص‌هاي آزمايشگاهي نظير CRP و D-Dimer در پيش‌بيني نتايج باليني و مديريت بيماري مؤثرند و تفاوت‌هاي معناداري در ويژگي‌هاي باليني و آزمايشگاهي بين بيماران ترخيص شده و فوت شده وجود دارد. اين يافته‌ها مي‌تواند به بهبود استراتژي‌هاي درماني و پيشگيري از بيماري كوويد-19 و توسعه پژوهش‌هاي آينده در اين حوزه كمك كند.
اين تحقيق با استفاده از روش‌هاي يادگيري ماشين انجام شده است. از الگوريتم‌هاي مختلف يادگيري ماشين شامل جنگل تصادفي و تكنيك انتخاب ويژگي بازگشتي (RFE) براي تحليل داده‌ها استفاده شد. اين روش‌ها به شناسايي ويژگي‌هاي كليدي و مدل‌سازي روابط پيچيده بين متغيرها كمك كردند تا پيش‌بيني دقيق‌تري از نتايج باليني بيماران كوويد-19 ارائه شود.
در تحقيق ديگر پيش بيني موارد تائيد شده، درمان شده و فوت شده از بيماري كويد-19 به عنوان يك وظيفه طبقه بندي چندكلاسه مورد بررسي قرار گرفته است و از طريق روش هاي متداول يادگيري بانظارت مانند ماشين بردار پشتيبان، درخت تصميم، شبكه عصبي و جنگل تصادفي نتايج بررسي و مقايسه شده است.
شماره ركورد
232361
گرايش رشته تحصيلي
علوم داده
دانشكده
رياضي
دانشگاه
دانشگاه صنعتي اصفهان