دیتا هارت

مقالات فارسی برای کسانی که به دنبال تحقیق در مورد موضوعی هستند بهترین نقطه شروع است. در این مقالات که در کنفرانس ها و مجلات داخلی و به زبان فارسی چاپ شده است موضوعات مختلفی مورد تحقیق قرار گرفته و به چاپ رسیده است.

مقالات فارسی برای یادگیری استفاده از داده کاوی برای تشخیص و پیش بینی بیماریها

داده کاوی در حوزه سلامت

داده کاوی چیست؟

مقالات فارسی برای یادگیری داده کاوی

مقالات فارسی برای یادگیری الگوریتم ها و کاربردهای یادگیری ماشین

در این مجموعه هفتاد و نه مقاله فارسی در زمینه  استفاده از داده کاوی برای پیش بینی و تشخیص انواع بیماری ها جمع آوری شده است. این مجموعه برای کسانی که در مرحله انتخاب موضوع برای پژوهش در زمینه پیش بینی بیماری ها هستند بسیار مفید است. با خواندن این مقالات بسیاری از کارهای انجام شده و ایده های پیاده سازی شده در زمینه پیش بینی بیماری در اختیار محقق قرار می گیرد.

عنوان مقالات به قرار زیر است:

۱. پیش بینی بیماری های کلیوی به کمک شبکه های عصبی فازی

۲. ایجاد یک مدل QSAR برای پیش بینی فعالیت بازدارنده های (INH) مشتقات خانواده ی هیدرازید بر علیه (H(37)Rv) ویروس بیماری سل

۳. پیش بینی بیماری نارسایی کبدی با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه

۴. پیش بینی بیماری قلبی در افراد با استفاده از درخت تصمیم

۵. داده کاوی و کاربرد آن در پیش بینی بیماری

۶. ارایه روشی جهت افزایش دقت پیش بینی و تشخیص بیماری دیابت با ترکیب الگوریتم های بگینگ و رگرسیون لجستیک

۷. پیش بینی بیماری نارسایی کبد با استفاده از شبکه عصبی

۸. پیش بینی بیماری عروق کرونر قلبی مبتنی بر الگوریتم منتخب طبقه بندی کننده گروهی

۹. طراحی مدل هوشمند عمیق به منظور پیش بینی بیماری صرع با استفاده از سیگنال ECG

۱۰. مقایسه ی روش های شبکه ی عصبی مصنوعی با دیگر روش های طبقه بندی و داده کاوی برای پیش بینی بیماری سکته ی مغزی

۱۱. آنالیز عملکرد تکنیک های تلفیقی داده کاوی جهت پیش بینی بیماری دیابت

۱۲. استفاده از تحلیل ممیزی جهت پیش بینی بیماری دیابت نوع دو بر اساس اضطراب وافسردگی و سبک زندگی در افراد مبتلا و غیر مبتلا یک خانواده

۱۳. مروری بر برخی از روش های موجود برای پیش بینی بیماری قلبی
۱۴. طراحی و پیاده سازی یک سیستم هوشمند جهت پیش بینی بیماری قلبی با استفاده از تکنیک های داده کاوی

۱۵. پیش بینی بیماری دیابت با استفاده ازشبکه های عصبی و الگوریتم رقابت استعماری

۱۶. پیش بینی بیماری دیابت با استفاده از شبکه های عصبی احتمالی

۱۷. پیش بینی بیماری دیابت با استفاده از شبکه های عصبی، مدل آماری رگرسیون لجستیک و ترکیب آنها

۱۸. نقش ادراک بیماری در پیش بینی کیفیت زندگی بیماران طیف اسکیزوفرن

۱۹. پیش بینی بیماری دیابت با استفاده از تکنیک های داده کاوی در استان کرمانشاه

۲۰. پیش بینی داروی بیماری دیابت با استفاده از تکنیک های داده کاوی در استان کرمانشاه

۲۱. نقش منبع کنترل بیماری و خودشفقتی در پیش بینی امید به زندگی بیماران دیابتی

۲۲. پیش بینی بیماری قلبی با الگوریتم های درخت تصمیم و ساختار فازی

۲۳. پیش بینی شدت بیماری کرونری قلب در میان افراد سخت رو و مضطرب

۲۴. قوانین انجمنی داده کاوی در سیستم پیش بینی بیماری قلبی با استفاده از الگوریتم

۲۵. بررسی و مقایسه اثر بخشی الگوریتم های داده کاوی جهت پیش بینی بیماری پارکینسون

۲۶. بررسی مقایسه ای تکنیک های داده کاوی در پیش بینی بیماری قلبی

۲۷. بررسی صحت الگوریتم های داده کاوی در پیش بینی بیماری قلبی

۲۸. سیستم پیش بینی بیماری قلبی توسط داده کاوی با استفاده ازکشف مجموعه های پر تکرار

۲۹. پیش بینی بیماری دیابت با تکنیک ماشین بردار پشتیبان و مقایسه آن با سایر تکنیک های داده کاوی

۳۰. پیش بینی تعداد مراجعه کنند گان به اورژانس بیمارستان بر حسب نوع بیماری با استفاده از رگرسیون خطی

۳۱. پیش بینی بیماری هپاتیت به کمک شبکه عصبی مصنوعی

۳۲. پیش بینی عوارض بیماری دیابت با استفاده از الگوریتمk-meansو درخت تصمیم

۳۳. کاربرد داده کاوی و تکنولوژی ردیابی چشم در پیش بینی و تشخیص بیماری آلزایمر

۳۴. مروری جامع بر پیش بینی بیماری دیابت با تکنیک های داده کاوی

۳۵. مروری جامع بر پیش بینی بیماری کبد با تکنیک های داده کاوی

۳۶. پیش بینی بیماری کرونری قلبی با استفاده از مدل ترکیبی درخت تصمیم، نزدیک ترین همسایگی K-NN

۳۷. پیش بینی کننده های خستگی در بیماران مبتلا به بیماری انسدادی مزمن ریه

۳۸. بررسی مدل پیش بینی افسردگی براساس ادراک بیماری و کیفیت خواب با واسطه گری فاجعه سازی درد در بیماران مبتلا به دیابت

۳۹. نقش ادراک بیماری و حمایت اجتماعی ادراک شده در پیش بینی کیفیت زندگی بیماران MS

۴۰. پیش بینی بیماری قلبی به کمک شبکه عصبی مصنوعی

۴۱. مروری بر روشهای دسته بندی برای پیش بینی بیماری های قلبی با استافده زا درخت های تصمیم گیری

۴۲. مروری بر روشهای مبتنی بر درخت تصمیم جهت پیش بینی بیماری دیابت

۴۳. پیش بینی بیماری دیابت با استفاده از شبکه عصبی والگوریتم بهینه سازی ژنتیک

۴۴. پیش بینی بیماری دیابت بااستفاده از شبکه عصبی والگوریتم بهینه سازی ازدحام ذرات

۴۵. یک روش جدید طبقه بندی براساس انتخاب ویژگی های UTA و شبکه عصبی دو لایه برای پیش بینی بیماری دیابت

۴۶. پیش بینی بیماری دیابت با استفاده از سیستم استنتاج فازی -عصبی تطبیقی ANFIS

۴۷. استفاده از الگوریتم های تکاملی برای پیش-بینی بیماری هپاتیت

۴۸. پیش بینی تاثیر عوامل بیماری عروق کرونر در مردان با استفاده از تکنیک شبکه عصبی در داده کاوی

۴۹. پیش بینی عوارض بیماری دیابت با استفاده از تکنیک های دادهکاوی در استان کرمانشاه

۵۰. استفاده از شبکه عصبی فازی نوع 3 برای پیش بینی بیماری دیابت نوع 2

۵۱. پیش بینی بیماری دیابت نوع دو با استفاده از شبکه عصبی مصنوعی پیشرو

۵۲. پیش بینی بیماری دیابت با استفاده از مدل آماری رگرسیون لجستیک

۵۳. پیش بینی بیماری پارکینسون در مقیاس UPDRS(بر اساس نمره علایم بالینی)

۵۴. کاربرد داده کاوی در پیش بینی نوع بیماری و بهترین نحوه درمان بیماران اورژانسی

۵۵. پیش بینی بیماری آب مروارید با استفاده از روش عصبی فازی مبتنی بر کاهش خصوصیات

۵۶. تحلیل عملکرد الگوریتم های داده کاوی جهت ترفیع پیش بینی و تشخیص بیماری قلبی

۵۷. پیش بینی بیماری قلبی با استفاده از سه تکنیک داده کاوی

۵۸. پیش بینی بیماری قلبی با استفاده از الگوریتم داده کاوی درخت تصمیم

۵۹. پیش بینی بیماری قلبی با استفاده از تکنیک داده کاوی رگرسیون لجستیک

۶۰. پیش بینی بیماری قلبی با استفاده از تکنیک داده کاوی شبکه عصبی

۶۱. پیش بینی تشخیص بیماری سرطان سینه به کمک ماشین بردار پشتیبان

۶۲. استفاده از نکنیک های داده کاوی برای پیش بینی بیماری کرونر قلبی در مردان با مقایسه عملکرد الگوریتم های C5.0, KNNوSVM

۶۳. پیش بینی شانس ابتلا به بیماری سایکوسوماتیک با توجه به ابعادهوش هیجانی

۶۴. پیش بینی و تشخیص بیماری های قلبی عروقی با استفاده از تکنیک های داده کاوی

۶۵. معرفی و ارزیابی میزان دقت تکنیکهای داده کاوی برای کمک به پیش بینی بیماریهای قلبی

۶۶. پیش بینی میزان شاخصهای آلاینده های موثردرافزایش بیماری قلبی درتهران با استفاده ازمدلهای RBF,SVM

۶۷. پیش بینی بیماری آلزایمر با استفاده از الگوریتمهای داده کاوی

۶۸. بررسی پیش بینی بیماری سل با استفاده از الگوریتم های هوشمند داده کاوی

۶۹. تحلیل داده های مربوط به نشانگرهای زیستی و یافتن نشانگرهای بهینه برای پیش بینی بیماری آلزایمر

۷۰. استفاده از تئوری مارکوف برای پیش بینی روند طولانی مدت فرآیندها، رشد بیماری ایدز

۷۱. بررسی و مقایسه میزان صحت الگوریتم های داده کاوی در پیش بینی بیماری قلبی

۷۲. کاربرد داده کاوی پیش بینی کننده درپزشکی: مقایسه الگوهای منتخب درشناسایی زودهنگام بیماری مننژیم باکتریایی درایران

۷۳. پیش بینی شاخص میزان موفقیت در بیماری سل به کمک شبکه عصبی
۷۴. سیستم نوین جهت پیش بینی گسترش بیماری و تعیین عوامل موثر برآن با استفاده از الگوریتمهای مبتنی بر بیزتجربی مورد مطالعه: تعیین تراکم استخوان با استفاده از چند فاکتور خونی

۷۵. ارائه یک روش هوشمند برای پیش بینی روند درمان ، ارائه روش درمان و انتخاب موثرترین پارامترهای درمانی در بیماری سرطان مری با استفاده از ترکیب شبکه های عصبی و الگوریتم ژنتیک

۷۶. ارائه‌ی یک روش هوشمند برای پیش‌بینی روند درمان و انتخاب موثرترین پارامترهای درمانی در بیماری سرطان مری با استفاده از ترکیب شبکه‌های عصبی و الگوریتم ژنتیک

۷۷. بررسی و مدلسازی ریاضی تصفیه خون توسط کلیه و دستگاه دیالیز با هدف پیش بینی و پیشگیری بیماریهای کلیوی

۷۸. استفاده از الگوهای مشترک موجود در هاپلوتیپ ها برای بهبود پیش بینی وضعیت بیماری دیابت نوع اول

۷۹. پیش بینی و توزیع شیوع بیماری مالاریا با استفاده از سامانه اطلاعات مکانی

اگر در زمینه  پیش بینی بیماری ها با داده کاوی در حال تحقیق یا پیاده سازی پروژه تجاری یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله، گپ و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.