موضوع : داده کاوی در پزشکی

توضیح : این فایل به صورت ورد و آماده چاپ می باشد

فهرست مطالب
عنوان                                             صفحه
مقدمه:    1
1-1-تاريخچه داده كاوي:    2
1-2- داده كاوي چيست؟    3
1-3-داده كاوي و كشف دانش از پايگاه داده:    5
1-4- مراحل داده كاوي :    6
1-5-اجزاي اصلي سيستم داده كاوي:    8
1-6- عمليات داده كاوي:    9
1-6-1- طبقه بندي و پيشگويي     9
1-6-1-1- روشهاي طبقه بندي:    9
1-6-2- خوشه بندي:    11
1-6-3- تحليل روابط و وابستگيها :    13
1-6-4- پيش بيني :    14
1-7-زيربناي داده كاوي:    18
1-8- تكنولوژي‌هاي مرتبط با داده‌ كاوي:    17
1-9- چه نوع اطلاعاتي مناسب داده كاوي است؟    17
1-9-1- مبادلات و تراكنشهاي تجاري:    18
1-9-2- داده هاي علمي:    18
1-9-3- داده‌هاي بهداشتي و شخصي:    19
1-9-4- نظارت تصويري و ويديوئي:    19
1-9-5- دريافتها و مشاهدات ماهواره‌اي:    19
1-9-6- بازيهاي المپيك:    20
1-9-7- رسانه‌ي ديجيتال:    20
1-9-8- داده‌هاي مهندسي نرم افزار و طراحي به كمك كامپيوتر :    21
1-9-9- دنياهاي مجازي:    21
1-9-10 گزارشات متني و نمه‌هاي الكترونيكي:    21
1-9-11- منابع و اطلاعات موجود در شبكه‌ي جهاني وب:    22
1-10- انبار داده  چيست؟    22
1-11-جايگاه داده كاوي در ميان علوم مختلف:    23
فصل دوم :کاربرد داده کاوی     25
2-1- كاربرد داده كاوي در پزشكي:    26
2-2- خدمات قابل ارائه در پزشكي:    26
2-1- 1-بررسي ميزان تأثير دارو بر بيماري و اثرات جانبي آن:    26
2-2-2-تعيين روش درمان بيماري‌ها:    27
2-3-2-پيش بيني ميزان موفقيت اقدامات پزشكي مانند عمل‌هاي جراحي:    27
2-3- كاربرد داده كاوي در تشخيص بيماري چربي خون:    28
2-3-1-روش نزديك‌ترين همسايه:    28
3-2-2-شبكه عصبي چند لايه:    29
4-2- كاربرد داده كاوي در تشخيص سرطان:    30
4-2-1- روش MMFF:    30
4-2-2-تشخيص سرطان با استفاده از روش MMFF:    31
5-2- كاربرد داه كاوي در تشخيص بيماري ديابت:    32
5-2-1-روش SVM:    33
: AD Tree     - 2-2-5    34
5-2-3-جدول تصميم:    34
نتيجه‌گيري:    37
منابع و ماخذ:.38

چكيده
در دنياي پزشكي امروز،‌داده‌هاي مربوط به علائم بيماران مبتلا به بيماري‌هاي گوناگون و نتايج روش‌هاي كمكي براي تشخيص اين بيماري‌ها، بسيار وسيع و گسترده هستند، به طوري كه معمولاً تحليل و در نظر گرفتن همه جنبه‌ي كليه عوامل دخيل توسط يك فرد، دشوار به نظر مي‌آيد. اين جاست كه نياز به يك سيستم مكانيزه براي كمك به كشف الگوهاي موجود و هم چنين پيش بيني رخدادهاي آتي كاملاً احساس مي‌شود. دانش داده كاوي به عنوان ارائه كننده‌ي اين سيستم مكانيزه كمك‌هاي شاياني در پيشرفت‌هاي پزشكي به ويژه در زمينه‌ي تشخيص بيماري‌هاي گوناگون كرده است. در بعضي از بيماري‌ها در صورت تشخيص ديرهنگام، مي‌توانند به عنوان عوارض جدي و خطرناك و حتي به مرگ منجر شوند، لذا تشخيص به موقع آن‌ها براي پيشرفت درمان ضروري است. در اين مقاله به بررسي تأثيرات الگوريتم‌هاي داده كاوي در بيماري‌ها و علوم پزشكي پرداخته‌ايم.
واژگان كليدي: داده‌كاوي، شبكه عصبي، درخت تصميم
مقدمه:
داده كاوي فرآيند است خودكار براي استخراج الگوهايي كه دانش را بازنمايي مي‌كنند، كه اين دانش به صورت ضمني در پايگاه داده‌هاي عظيم، انباره داده و ديگر مخازن برزرگ اطلاعات، ذخيره شده است. داده كاوي، به طور همزمان از چندين رشته علمي، نظير: تكنولوژي پايگاه داده، هوش مصنوعي، يادگيري ماشين، شبكه‌هاي عصبي،‌آمار، شناسايي الگو، سيستم‌هاي مبتني بر دانش،‌حصول دانش، بازيابي اطلاعات، محاسبات سرعت بالا و بازنمايي بصري داده بهره مي‌برد. داده كاوي در اواخر دهه 1980 پديدار گشته، در دهه 1990 گام‌هاي بلندي در اين شاخه از علم برداشته شده و انتظار مي‌رود در اين قرن به رشد و پيشرفت خود ادامه دهد؛ و افزايش روز افزون پيشرفت در زمينه تكنولوژي اطلاعات باعث شده كه رشد چشم‌گيري در علوم مختلف به وجود آيد. يكي از اين رشته‌ها كه تغيير در آن قابل ملاحظه است،‌رشته پزشكي مي‌باشد. استفاده از تكنيك‌هاي داده كاوي در اين شاخه از علم باعث شده كه در كليه مباحث مخصوصاً تشخيص بيماري‌ها كمك بسياري به پزشكان شود.
1-1-تاريخچه داده كاوي:
با رشد فناوري اطلاعات و روشهاي تولید و جمع آوري داده ها، پایگاه داده هاي مربوط به داده هاي تبادلات تجاري، کشاورزي، اینترنت، جزئیات مکالمات تلفنی، داده هاي پزشکی و غیره سریعتر از هر روز جمع آوري و انبارش می شوند. لذا از اواخر دهه 80 میلادي بشر به فکر دست یابی به اطلاعات نهفته دراین پایگاه داده هاي حجیم افتاد زیرا سیستمهاي سنتی قادر به این کار نبودند.
داده کاوي  فرآیندي است که در آغاز دهه 90 مطرح شد و با نگرشی نو، به مسئلۀ استخراج اطلاعات از پایگاه داده ها می پردازد. از سال 1995 داده کاوي به صورت جدي وارد مباحث آمار شد و در سال1996 ، اولین شمارة مجلۀ کشف دانش و معرفت از پایگاه داده ها  منتشر شد. محققانی نظیر براچمن و آناند (1996) کلیه مراحل واقع گرایانه و رو به جلو کشف دانش از پایگاه داده ها را تشخیص دادند. در حال حاضر، داده کاوي مهمترین فناوري جهت بهره برداري موثر از داده هاي حجیم است و اهمیت آن رو به فزونی است. به طوریکه تخمین زده شده است که مقدار داده ها در جهان هر20 ماه به حدود دو برابر می رسد. در يك تحقيق كه بر روي گروه‌هاي تجاري بسيار بزرگ در جمع‌آوري داده‌ها صورت گرفته مشخص گرديد كه 19 درصد از اين گروه‌ها داراي پايگاه داده‌هايي با سطح بيشتر از 50 گيگا بايت مي‌باشند و 59 درصد از آنها انتظار دارند كه در آينده‌اي نزديك در چنين سطحي قرار گيرند.
در صنايعي مانند كارت‌هاي اعتباري و ارتباطات و فروشگاه‌هاي زنجيره‌اي و خريدهاي الكترونيكي و اسكنرهاي باركد خوان هر روزه داده‌هاي زيادي توليد و ذخيره مي‌شوند. افزايش سرعت كامپيوترها باعث به وجود آمدن الگوريتم‌هايي شده است كه قدرت تجزيه و تحليل بسيار بالايي دارند بدون اينكه محدوديتي در زمينه ظرفيت و سرعت كامپيوترها داشته باشند.
در سال 1989 و 1991 كارگاههاي كشف دانش و معرفت ازپايگاه داده‌ها توسط پياتتسكي  و همكارانش برگزار شد. در فواصل سالهاي 1991 تا 1994 كارگاههاي كشف دانش و معرفت از پايگاه‌ داده‌ها توسط فيياد و پياتتسكي و ديگران برگزار شد. به طور رسمي اصطلاح داده كاوي براي اولين بار توسط فيياد  در اولين كنفرانس بين المللي «كشف دانش و داده كاوي»  در سال 1995 مطرح شد. امروزه كنفرانسهاي مختلفي در اين زمينه در سراسر دنيا برگزار مي‌شود.
افزايش داده‌هاي بسيار باعث پيدايش فرصتهاي تازه براي كار در علوم مهندسي و كسب و كار شده است. زمينه داده كاوي و كشف دانش از پايگاه‌ داده‌ها به عنوان يك رشته علمي جديد در مهندسي و علوم كامپيوتر ظهور كرده است. مهندسي صنايع با حوزه‌هاي گوناگون و در برداشتن فرصتهاي بي‌نظير اكنون براي كاربرد داده كاوي و كشف دانش از پايگاه داده‌ها و بري توسعه مفاهيم و روشهاي تازه در اين زمينه آماده است. فرآيندهاي صنعتي زيادي اكنون براي مطمئن شدن از كيفيت سفارشات محصول و كاهش هزينه‌هاي محصول به طور خودكار و كامپيوتري شده‌اند.
1-2- داده كاوي چيست؟