تحلیل کلان داده ها برای پیش بینی بیماری عفونی - دانشکده فنی و مهندسی
تحلیل کلان داده ها برای پیش بینی بیماری عفونی
![](/documents/3157652/3518366/%D9%85%D8%AD%D8%B3%D9%86%DB%8C-1.jpg/6a6cea15-04b8-e948-2e0a-b1b1142b7b94?t=1706197651433&download=true&imageThumbnail=2)
نوع: Type: پایان نامه
مقطع: Segment: کارشناسی ارشد
عنوان: Title: تحلیل کلان داده ها برای پیش بینی بیماری عفونی
ارائه دهنده: Provider: فاطمه محسنی - رشته کامپیوتر
اساتید راهنما: Supervisors: دکتر مرتضی یوسف صنعتی
اساتید مشاور: Advisory Professors:
اساتید ممتحن یا داور: Examining professors or referees: دکتر محرم منصوری زاده، دکتر مهدی سخایی نیا
زمان و تاریخ ارائه: Time and date of presentation: 20/12/1401، ساعت 08:30
مکان ارائه: Place of presentation: آمفی تئاتر دانشکده مهندسی
چکیده: Abstract: امروزه پ یشبین ی سلامت در زندگی مدرن به دلیل حجم گسترده، تنوع و به روزرسانی مداوم دادههای پزشکی امری ب سیا ر ضروری است که تجزیه و تحلیل کلاندادهه ا فرص تهای جدیدی را برا ی بهبود بخ شیدن به مراقبتها ی بهداشتی ، پی شبینی وضعیت سلامت ، بهین هساز ی منابع و کارآیی سازما نها در بخش بهداشت ارائه میده د که برای این منظور ، ما به چارچو بهای پیشرفته تحلیلی نیاز داریم تا دادهها را ذخیره، فیلتر و تجزیه و تحلیل کنیم تا بتوانیم تصمی مگیری سریع و بموقع انجام دهیم. با ذخیره و ثبت معاینه و ویزیتها ی بیماران و مراجعهکنندگان به مراکز درمان ی، حجم اطلاعاتی که جم عآور ی م یشود رو به رشد اس ت بنابراین تجزیه و تحلیل درس ت و بموق ع از میزان دادههای تولی د شده در سلامتی میتواند به پ یشبین ی بیمار ی منجر شود ک ه این ام ر موجب نجات جان انسانها میشود و از آنجا که بیمار یهای عفونی در زمره شای عترین علل مرگ و میر قرار دارد پیشبینی زود هنگام با استفاده از تحلیل کلاندادهها میتواند از شیوع بعضی از بیمار یها جلوگیری نموده و بعضا در مورد یک بیماری خاص میتوان به طور زودهنگام بیماری را تشخیص و درمان آن را شروع نمود که به تبع آن در هزینههای درمان صرف هجویی بسیار زیادی خواهد شد. در این پژوهش از طبق هبندی جنگل تصادفی در یادگی ری ماشین که یک روش متداول مجموعه درختی است و کلانداده را به خوبی مد یری ت م یکند؛ استفاده شده است. با ای ن حال، اجرا ی جنگل تصادف ی در MLlib برا ی آموزش مدلهای درخت تصمیم عمیق، که برای دستیابی به عملکرد پی شبینی خو ب در دادههای ما مورد نیاز است، ب سیار ناکارآمد است . براین اساس ما ب ر بهبود عملکرد آموزش جنگل تصادفی در کتابخانه MLlib از اسپارک تمرکز می کنیم. سپس از ا ین مدل بر ا ی کار در زمان واقعی برای طبق هبندی توییت به عنوان اینکه فرد دار ای بیما ری هپاتیت است یا خیر، استفاده شده است. در این روش پیشنهادی، سیستم پ یشبین یکننده بیما ری هپاتیت در زمان واقعی حاوی سه بخش اصلی: ساخت مدل در زمان آفلای ن، روش پردازش جار ی و پ یشبینی آنلای ن است. ای ن سیستم براساس تلفیق چارچو بهای کلانداده مانند: آپاچی اسپارک و کافکا توسعه یافت.
فایل: ّFile: تنزيل فایل