دانلود ترجمه مقاله سیستم هوشمند پیش بینی تشخیص بیماری قبلی با استفاده از تکنیک های داده کاوی (آی تریپل ای ۲۰۰۸) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

ieee2

 

 

این مقاله انگلیسی ISI در نشریه آی تریپل ای در ۹ صفحه در سال ۲۰۰۸ منتشر شده و ترجمه آن ۱۹ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

سیستم هوشمند پیش بینی تشخیص بیماری قبلی با استفاده از تکنیک های داده کاوی

عنوان انگلیسی مقاله:

Intelligent heart disease prediction system using data mining techniques

 

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf و ورد تایپ شده با قابلیت ویرایش
سال انتشار ۲۰۰۸
تعداد صفحات مقاله انگلیسی ۹ صفحه با فرمت pdf
نوع مقاله ISI
نوع ارائه مقاله کنفرانس
رشته های مرتبط با این مقاله مهندسی صنایع
گرایش های مرتبط با این مقاله بهینه سازی سیستم ها، داده کاوی، مهندسی سیستم های سلامت
چاپ شده در مجله (ژورنال) کنفرانس بین المللی IEEE/ACS در مورد سیستم ها و برنامه های کامپیوتری – IEEE/ACS International Conference on Computer Systems and Applications
ارائه شده از دانشگاه گروه فناوری اطلاعات، دانشگاه علم و صنعت مالزی، پتالینگ جایا، سلانگور دارالاحسان، مالزی
نویسندگان Sellappan Palaniappan – Rafiah Awang
شناسه شاپا یا ISSN ۲۱۶۱-۵۳۲۲
شناسه دیجیتال – doi https://doi.org/10.1109/AICCSA.2008.4493524
ایمپکت فاکتور(IF) مجله ۰٫۶۲۲ درسال ۲۰۲۰
شاخص H_index مجله ۱۸ در سال ۲۰۲۱
شاخص SJR مجله ۰٫۱۶۴ در سال ۲۰۲۰
بیس نیست
مدل مفهومی ندارد 
پرسشنامه ندارد 
متغیر ندارد 
فرضیه ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۱۶۶۹
لینک مقاله در سایت مرجع لینک این مقاله در سایت IEEE
نشریه آی تریپل ای – IEEE

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۹ (۱ صفحه رفرنس انگلیسی) صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است 
ترجمه متون داخل تصاویر ترجمه شده است 
ترجمه متون داخل جداول ترجمه شده است 
ترجمه ضمیمه ندارد 
ترجمه پاورقی ندارد 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه ندارد 
منابع داخل متن به صورت عدد درج شده است
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

چکیده

۱٫ انگیزه

۲٫ بیان مساله

۳٫ اهداف تحقیق

۴٫ مروری بر داده کاوی

۵٫ روش کار

۵-۱ منبع داده ها

۵-۲ مدل های کاوش

۵-۳ اعتبارسنجی اثربخشی مدل

۵-۴ ارزیابی اهداف کاوش

۶٫ مزیت ها و محدودیت ها

۷٫ نتیجه گیری

منابع

 

بخشی از ترجمه

چکیده

صنعت مراقبت از سلامتی حجم عظیمی از داده های سلامت را جمع آوری می کند که متاسفانه برای کشف اطلاعات پنهان برای تصمیم گیری موثر مورد بررسی قرار نگرفته است. کشف الگوها و روابط مخفی اغلب ناپدید می شود. تکنیک های پیشرفته داده کاوی می تواند به رفع این مشکل کمک کند. این تحقیق یک نمونه اولیه از سیستم هوشمند پیش بینی بیماری قلبی  (IHDPS) را با استفاده از تکنیک های داده کاوری از جمله درخت های تصمیم ، Naïve Bayes و شبکه عصبی ارائه می کند. نتایج نشان می دهد که هر تکنیک دارای قدرت منحصر به فرد خود در تحقیق اهداف ابزارهای تعریف شده کاوش است. سیستم IHDPS می تواند به این پرسش پیچیده پاسخ دهد که ” چه اتفاقی رخ می دهد در صورتی که سیستم های متداول تصمیم گیری نتوانند از پرس و جو ها (کوئری ها) پشتیبانی کنند. با استفاده از مشخصات فیزیکی همانند سن، جنسیت، فشار خون و قند خون می تواند احتمال ابتلا به بیماری قلبی را پیش بینی کرد. همچنین ایجاد دانش مهمی همانند الگوها و روابط بین عوامل پزشکی مرتبط با بیماری قلبی را امکان پذیر می سازد. سیستم IHDPS مبتنی بر وب، کاربر پسند، مقیاس پذیر، قابل اطمینان و قابل توسعه است. این سیستم بر روی پلتفورم .NET پیاده سازی می شود.

 

۱٫ انگیزه

چالش مهمی که سازمان های مراقبت از سلامتی (بیمارستان ها و مراکز بهداشتی) با آن مواجه هستند، تامین خدمات با کیفیت با هزینه های قابل قبول است. خدمات کیفی به مفهوم تشخیص صحیح بیماران و مدیریت موثر درمان است. تصمیم های ضعیف بالینی و پزشکی می تواند منجر به پیامدهای فاجعه باری شود که در نتیجه قابل پذیرش نیستند. همچنین بیمارستان ها می بایست هزینه تست های بالینی را به حداقل برسانند. آن ها می توانند با به کارکیری اطلاعات مناسب مبتنی بر رایانه و/ یا سیستم های پشتیبان تصمیم به این نتایج دست پیدا کنند.

امروزه بیشتر بیمارستان ها برخی انواع سیستم های اطلاعات بیمارستانی را برای مدیریت داده های مراقبت سلامتی یا بیماران خود به کار می گیرند [۱۲]. این سیستم ها به طور معمول حجم عظیمی از داده ها را تولید می کنند به طوری که شکل اعداد، متن، نمودار و تصویر به خود می گیرند. متاسفانه این داده ها به ندرت برای پشتیبانی از تصمیم گیری بالینی مورد استفاده قرار می گیرند. البته ثروتی از اطلاعات پنهان در این داده ها وجود دارد که به طور گسترده مورد استفاده قرار نگرفته است. این مساله پرسش مهمی را ایجاد می کند: ” چگونه می توانیم داده ها را به اطلاعات ارزشمندی تبدیل کنیم که به متخصصان مراقبت سلامتی امکان دهد تا تصمیمات هوشمندانه بالینی اخذ کنند؟”. این پرسش انگیزه اصلی این تحقیق است.

 

بخشی از مقاله انگلیسی

Abstract

The healthcare industry collects huge amounts of healthcare data which, unfortunately, are not “;mined”; to discover hidden information for effective decision making. Discovery of hidden patterns and relationships often goes unexploited. Advanced data mining techniques can help remedy this situation. This research has developed a prototype Intelligent Heart Disease Prediction System (IHDPS) using data mining techniques, namely, Decision Trees, Naive Bayes and Neural Network. Results show that each technique has its unique strength in realizing the objectives of the defined mining goals. IHDPS can answer complex “;what if”; queries which traditional decision support systems cannot. Using medical profiles such as age, sex, blood pressure and blood sugar it can predict the likelihood of patients getting a heart disease. It enables significant knowledge, e.g. patterns, relationships between medical factors related to heart disease, to be established. IHDPS is Web-based, user-friendly, scalable, reliable and expandable. It is implemented on the .NET platform.

 

۱٫ Motivation

A major challenge facing healthcare organizations (hospitals, medical centers) is the provision of quality services at affordable costs. Quality service implies diagnosing patients correctly and administering treatments that are effective. Poor clinical decisions can lead to disastrous consequences which are therefore unacceptable. Hospitals must also minimize the cost of clinical tests. They can achieve these results by employing appropriate computer-based information and/or decision support systems.

Most hospitals today employ some sort of hospital information systems to manage their healthcare or patient data [12]. These systems typically generate huge amounts of data which take the form of numbers, text, charts and images. Unfortunately, these data are rarely used to support clinical decision making. There is a wealth of hidden information in these data that is largely untapped. This raises an important question: “How can we turn data into useful information that can enable healthcare practitioners to make intelligent clinical decisions?” This is the main motivation for this research.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

سیستم هوشمند پیش بینی تشخیص بیماری قبلی با استفاده از تکنیک های داده کاوی

عنوان انگلیسی مقاله:

Intelligent heart disease prediction system using data mining techniques

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.