ارائه یک مدل پیش بینی بر روی داده های ناباروری بیمارستان صارم

امروزه داده کاوی در بسیاری از زمینه ها به ویژه حوزه ی پزشکی وارد شده و نتایج چشمگیری داشته است. حال ما بر آن شدیم تا از داده کاوی در یکی از حوزه های پزشکی به نام ناباروری که از اهمیت غیر قابل انکاری در زندگی ما برخوردار است، استفاده کنیم. ناباروری که خود دارای علل فراوانی میباشد، بالطبع روش های درمان مختلفی نیز دارد. بنابراین ما در صددیم تا بتوانیم با ارائه یک مدل پیش بینی کننده بهترین و موثرترین روش درمان را استخراج کنیم، تا در راستای انتخاب روش هایی با میزان موفقیت بالاتر و نیز کاهش تنش های روحی، روانی، جسمی و حتی مالی نه تنها به بیماران بلکه به پزشکان هم کمک کنیم. در این پروژه با استفاده از ترکیب متدهای درخت تصمیم و شبکه عصبی و بهره گیری از ماهیت تکنیک خوشه بندی، به ارائه مدلی پرداخته شده است که ابتدا بیماران را به دسته هایی که از نظر روش درمان، علل ناباروری ودیگر پارامترهای مهم شبیه هم هستند، تقسیم می کنند و سپس با گرفتن پارامترهای ابتدایی که در بدو ورود بیمار به بیمارستان قابل تشخیص هستند؛ دسته بیمار را به عنوان خروجی تولید می کند. در این مرحله با تفسیر این کلاس بدست آمده، هم به بیمار مورد نظر و هم به پزشکان در امر تصمیم گیری در مورد نوع و روند درمان بیمار یاری می کند