عنوان الإطروحه
A Hybrid Model of Genetic and Bat Algorithms For Pregnancy Prediction Based on The Decision Support Systems and Machine Learning
تاريخ مناقشة الاطروحه
2021-05-19
اسم الطالب
احمد مفلح محمد الضرابعة
المشرف
مفلح محمد مفلح الذيابات
المشرف المشارك
اعضاء لجنة المناقشة
عمر علي عوده شطناوي
وائل موسى هادي
الكلية
كلية الامير الحسين بن عبدالله لتكنولوجيا المعلومات
القسم
علم الحاسوب
الملخص بالعربية
تعتبر أنظمة دعم القرارات السريرية بمثابة أنظمة ذكية حيث انها قائمة على استخدام الكمبيوتر لمعالجة المعلومات الواضحة والمحددة. وتهدف أنظمة دعم القرارات السريرية إلى تقديم المشورة لكل من الأطباء وكافة المهنيين الصحيين والمرضى في اتخاذ القرارات السريرية، كما تهدف إلى تقليل الأخطاء الطبية التي تعتبر من أهم أسباب الوفاة في العالم بسبب سوء التشخيص او تقدير مستوى حالة الخطر لدى المرضى مثل مرضى الإيدز. تكمن الأخطاء الطبية في إجراءات مختلفة مثل الاستنتاج الخاطئ للتشخيص الطبي، أو وصف العلاج غير الصحيح للحالة المرضية، أو التنفيذ غير الفعال للعلاج الصحيح. أحد أهم القضايا المتعلقة بأنظمة دعم القرارات السريرية هي عملية التنبؤ بالحمل، حيث اقترحت العديد من الدراسات والأبحاث عدة طرق للتنبؤ بالحمل باستخدام طرق مختلفة مثل التعلم الآلي والتعلم العميق. تقدم هذه الدراسة بعض هذه البحوث في جزء مراجعة الأدبيات من هذه الأطروحة، حيث استعرضنا مجموعة متنوعة من الطرق المستخدمة للتنبؤ بالحمل مع إظهارالاختلاف والتفاوت لنتائج هذه الدراسات. في دراستنا، حاولت الطريقة المقترحة الوصول إلى دقة عالية في التنبؤ بالحمل مقارنة بالدراسات الأخرى، حيث قمنا باستخدام المنهج الهجين للخوارزمية الجينية وخوارزمية الخفافيش، وقمنا باستخدام عدة طرق للتعلم الآلي (SVM ، Random Forest ، Decision Tree ، شجرة الانحدار البسيط) لاختبار دقة النتائج بناءً على مصفوفة الارتباك. أظهرت نتائج التجربة أفضلية الطريقة المقترحة مقارنة بنتائج الدراسات السابقة، حيث وصلت الدقة باستخدام مصنفات التعلم الآلي إلى (SVM = 94.286)?) و (RF = 98.571?) و (DT = 97.143?) و (SRT = 92.857
الملخص بالانجليزي
Clinical decision support systems (CDSSs) are Computer-based systems that use explicit and specific information to provide patient advice or helps health professionals in making clinical decisions. CDSSs aims to decrease medical errors that most important cause of death in the world like AIDS, where the medical errors imply actions such as the conclusion of the wrong diagnosis, the prescription of incorrect treatment or the inefficient execution of correct treatment, the development and use of such system will allow for a significant decrease in medical errors. One of the most important issues in the CDSSs sector is pregnancy prediction. Several studies and researches have suggested several approaches for pregnancy prediction using different methods such as machine learning and deep learning. This study presents some of these researches in the literature review part of the thesis. A variant of methods used for pregnancy prediction with a difference of results for these studies. In this study, the proposed method tried to reach high accuracy of pregnancy prediction comparing to other studies using the hybrid approach of genetic algorithm and bat algorithm. Several methods of machine learning (SVM, Random Forest, Decision Tree, Simple Regression Tree) used for testing the accuracy of results based on the confusion matrix. The experiment results show the preference of the proposed method when comparing to other studies, where the accuracy reached using machine learning classifiers to (SVM=94.286%), (RF= 98.571%), (DT= 97.143%), and (SRT= 92.857%).
رقم ISN
6736
للحصول على الرسالة كملف يرجى تزويد المكتبة برقم ISN