توسعه سیستم ترکیبی مبتنی بر داده کاوی و وب معنایی برای تشخیص بیماری اوتیسم

اوتیسم به عنوان یک اختلال سیستم عصبی است و از آنجایی که تشخیص مستقیمی برای آن وجود ندارد، داده کاوی می تواند به تشخیص این بیماری کمک شایانی کند. آنتولوژی به عنوان ستون وب معنایی ، یک پایگاه دانش با قابلیت اشتراک پذیری و استفاده قابلیت مجدد می تواند تاییدی بر درستی سیستم های تشخیص بیماری باشد. هدف این تحقیق ارایه سیستمی جهت تشخیص کودکان اوتیسمی با روشی مرکب از وب معنایی و داده کاوی می باشد.

داده های موجود، برگرفته از بانک داده ای UCI می باشد. در مجموع 292 رکورد داده ای موجود بود که 80 درصد این داده ها یعنی 234 رکورد جهت مدل سازی به وسیله درخت تصمیم استفاده شدند. اطلاعات مربوط به بیماران و بیماری اوتیسم در قالب دانش در آنتولوژی با استفاده از نرم افزار Protégé 5 ارایه داده شدند. آنتولوژی دارای 4 کلاس و 12 خصوصیت جهت برقراری ارتباط بین نمونه های موجود در کلاس ها بود. قانون های استخراج شده از درخت تصمیم، به شکلی قابل فهم (SWRL) برای تفسیر در آنتولوژی توسط یک مبدل، تبدیل شدند.

سالم بودن و یا نبودن کودک از روی قوانین به دست آمده در درخت تصمیم قابل تشخیص است. در ضمن، خروجی آنتولوژی با استفاده از تفسیر 25 قانون، تشخیص کودکان بیمار با استفاده از درخت تصمیم را تایید کرد. همچنین ارزیابی آنتولوژی، درستی آن را تایید کرد.

با توجه به همسان بودن خروجی آنتولوژی و درخت تصمیم در رابطه با تشخیص بیماری، می توان به دقت و درستی روش ارایه شده تاکید کرد.