جستجو
مروری بر کاربرد الگوریتم های یادگیری ماشین در پیش بینی بیماری های مزمن
مهدیس تقواطلب1
چکیده :
بیماریهای مزمن بهعنوان یکی از چالشهای اصلی نظامهای سلامت در سراسر جهان شناخته میشوند. تشخیص زودهنگام این بیماریها نقش بسزایی در کاهش عوارض، بهبود کیفیت زندگی بیماران و کاهش هزینههای درمانی دارد. در سالهای اخیر، الگوریتمهای یادگیری ماشین بهعنوان ابزاری قدرتمند در پیشبینی و تشخیص زودهنگام بیماریهای مزمن مورد توجه پژوهشگران قرار گرفتهاند. مقالهی حاضر با رویکردی توصیفی-تحلیلی، به مرور کاربرد این الگوریتمها با تأکید ویژه بر بیماری سلیاک میپردازد و یافتههای مطالعات اخیر را بهصورت نظاممند بررسی میکند. دامنهی پژوهش، افزون بر بیماری سلیاک، طیفی از بیماریهای مزمن دیگر از جمله بیماریهای قلبیعروقی، دیابت، سرطان، بیماریهای کبدی و اختلالات عصبی را نیز در بر میگیرد. در این مرور، خلاصهای سطحبالا از تحقیقات پیشین در زمینهی رویکردهای مبتنی بر یادگیری ماشین برای پیشبینی بیماری سلیاک ارائه شده و نمونههایی از کاربردهای عملی این رویکردها به همراه تحلیل آنها مورد بررسی قرار گرفته است. برای جمعبندی، نتایج حاصل از مطالعات گوناگون، روشهای بهکاررفته و ابزارهای مورد استفادهی محققان بهصورت تطبیقی مقایسه شدهاند تا تصویری جامع از وضعیت فعلی تحقیقات در این حوزه ترسیم شود.
کلمات کلیدی : یادگیری ماشین هوش مصنوعی پیشگیری از بیماری های مزمن بیماری سرطان بیماری دیابت بیماری های قلبی
زبان مقاله : فارسی
محور مقاله : فناوری های کاربردی هوش مصنوعی و کاربردهای آن در علوم مختلف
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ACZCCG
لینک مستقیم مقاله : https://isnac.ir/AAHD-ACZCCG
سایر مقالات ارائه دهنده
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems