جستجوی مقالات مرتبط با کلیدواژه "نرخ خطای رده بندی" در نشریات گروه "پزشکی"

جستجوی نرخ خطای رده بندی در مقالات مجلات علمی

انتخاب همه

کاهش خطای رده بندی تعیین بیماری تیروئید در شهرستان شوشتر با استفاده از الگوریتم بوستینگ درختی

فردوس محمدی بساتینی*، بهزاد ریحانی نیا

نشریه دانشگاه علوم پزشکی خراسان شمالی، سال هفتم شماره 2 (تابستان 1394)، صص 381 -391

زمینه و هدف
غده تیروئید یکی از غدد حیاتی بدن است که می توان گفت به طور غیر مستقیم روی تمام ارگان های بدن مانند قلب، کلیه، دستگاه گوارش و غیره اثر دارد هدف این مطالعه استفاده از الگوریتم بوستینگ در کاهش خطای تشخیص غده تیروئید نرمال از غده تیروئید غیرنرمال می باشد. این الگوریتم یک روش قدرتمند در حوزه تشخیص و پیش بینی می باشد. الگوریتم بوستینگ به طور مکرر یک رده بندی کننده پایه را روی داده های دوباره وزن دار شده رشد می دهد و در نهایت یک ترکیب خطی از نتایج تشکیل می دهد و از این رو دقت را بهبود می بخشد.
مواد و روش کار
این مطالعه از نوع مقطعی است. داده های وضعیت غده تیروئید یک نمونه 103تایی از مراجعه کنندگان به آزمایشگاه سلامت شهرستان شوشتر در سال 89-90 مورد تحلیل قرار گرفت برای تشخیص غده تیروئید نرمال از غده تیروئید غیرنرمال از درخت های تصمیم معمولی و درخت های تصمیم بوستینگ از نرم افرار 3.0.1R استفاده شد. برای مقایسه نتایج از روش تحلیل رده بندی و سه معیار نرخ خطای رده بندی، حساسیت و ویژگی استفاده شد.
یافته ها
نرخ خطای رده بندی، حساسیت و ویژگی در مجموعه آزمون برای درخت های تصمیم معمولی به ترتیب 088/ 0، 91/ 0 و 92 /0 به دست آمدند و در درخت های تصمیم بوستینگ سه معیار فوق به ترتیب 029/ 0، 955/ 0و 1 به دست آمدند.
نتیجه گیری
نتایج این مطالعه نشان داد که الگوریتم بوستینگ برای تشخیص غده تیروئید نرمال از غده تیروئید غیرنرمال بسیار موفق تر عمل می کند بنابراین استفاده از درخت های تصمیم بوستینگ جهت تشخیص و پیشگویی وضعیت غده تیروئید پیشنهاد می شود.

کلید واژگان: الگوریتم بوستینگ, نرخ خطای رده بندی, حساسیت, ویژگی

چکیده مشاهده متن زبان: فارسی

Decreasing in misclassification of determination thyroid disease in Shoushtar town using tree boosting algorithm

F. Mohammadi Basatini *, B. Reyhani Niya

Journal of North Khorasan University of Medical Sciences, Volume:7 Issue: 2, 2015, PP 381 -391

Background and Objectives
Thyroid is a vital gland, which affect all of the body oragans such as heart, digestive system, kidney and so on. The intention of this research is to decreas in wrong determination of normal thyroid gland from abnormal using boosting algorithm. This algorithm is a powerful method in diagnosis and prognosis. It iteratively grows base classifer on a sequence of reweighted datasets then takes a linear combination of consequencs and we hope improves accuracy at final.
Material and Methods
A total of 103 patients’ data corrolated to November 2010 until November 2011 from Shoushtar salamat laboratory were analyzed for detemination thyroid gland state. Conventional decision trees and boosting decision trees were made for diagnosis normal thyroid gland from abnormal thyroid gland using R softwere vedersion 3.0.1.
Results
Our findings revealed that for conventional decision trees misclassification rate, sensitivity and specificity with test set were 0.088, 0.91 and 0.92 respectively. However these figures considered by boosting desion trees were 0.029, 0.955 and 1 crrespondingly. Conclution: The boosting decision trees had possibily superior sucsses in diagnosis normal tiroid gland ftom unnormal. So using boosting decisin trees propose in determination thyroid gland state.

Keywords: boosting algorithm, misclassification rate, sensitivity, specificity

Abstract View Paper Original: Persian

نکته

نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.

به جمع مشترکان مگیران بپیوندید!

جستجوی مقالات مرتبط با کلیدواژه "نرخ خطای رده بندی" در نشریات گروه "پزشکی"