33283

تكنيك هاي داده كاوي در پيش بيني بيماري آلزايمر

كارشناسي ارشد

مهندسي كامپيوتر- سيستم‌هاي نرم‌افزاري

1401

1403/11/30

بهروز ميناىى

حسن نادرى

دانشكده مهندسي كامپيوتر

اين مطالعه با هدف توسعه مدل‌هاي دقيق براي پيش‌بيني، تشخيص و شناسايي زودهنگام بيماري آلزايمر با استفاده از الگوريتم‌هاي يادگيري ماشين انجام شده است. ما كارايي روش‌هاي يادگيري ماشين را در حوزه‌هاي مختلف پزشكي بررسي كرده و به‌طور ويژه بر قابليت پيش‌بيني بيماري آلزايمر تمركز مي‌كنيم. روش ما شامل جمع‌آوري داده‌ها، پاك‌سازي آن‌ها، انتخاب ويژگي‌هاي كليدي، آموزش مدل‌ها، ارزيابي عملكرد آن‌ها و مقايسه نتايج است. در اين پژوهش، مدل‌هاي پيش‌بيني با استفاده از جنگل تصادفي، درخت تصميم، XGBoost، ماشين بردار پشتيبان و شبكه‌هاي عصبي ساخته شدند. همچنين، براي بهبود دقت مدل‌هاي طبقه‌بندي، از نمونه‌هاي توليد شده توسط مدل‌هاي GAN استفاده شد كه نتايج نشان دادند اين نمونه‌هاي مصنوعي مي‌توانند دقت مدل‌ها را افزايش دهند.

1404/02/02

DATA MINING TECHNIQUES IN ALZHEIMER'S DISEASE PREDICTION

1/1/1900 12:00:00 AM

This study aims to develop accurate models to predict, diagnose, and spot Alzheimer's disease early using machine learning algorithms. This study looks into how well machine learning methods work across different areas of medicine by taking a deep dive into existing research with a focus on how effective they are at predicting Alzheimer's. Our approach involves gathering data cleaning it up, picking out key features, training models, checking how well they perform, and comparing them. We set out to build prediction models using random forest, decision tree, XGBoost, support vector machines, and neural network models. The effect of using generated samples using the GAN model was implemented to improve models’ accuracy in the classification task and proved that generated samples can improve the accuracy of models.

داده كاوي , يادگيري ماشيني

data mining , machine learning

Zeid Ajale

Dr.Minaee