كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / دهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

A Machine Learning-Based Framework for Multi-Class Prediction of Hepatitis C Severity Using Ensemble Techniques

نویسندگان :

Reza Shirazi Zadeh¹ Meysam Ghanbari Marvast²

1- دانشگاه یزد 2- Yazd University

کلمات کلیدی :

Hepatitis C،Machine Learning،Multi-Class Classification،Ensemble Techniques،Adaptive Synthetic Sampling،Healthcare System

چکیده :

Hepatitis C, induced by the hepatitis C virus (HCV), represents a major public health concern due to its potential to lead to severe liver complications like fibrosis, cirrhosis, and liver cancer. Without a vaccine for chronic Hepatitis C, early diagnosis and prompt treatment are crucial. Traditional diagnostic methods are often time-consuming, costly, and prone to false negatives, especially in early infection stages. This study addresses these issues by introducing a machine learning-based multi-class classification framework to predict Hepatitis C severity. Using laboratory data from blood donors and patients, the study employed KNN imputation, the Adaptive Synthetic Sampling (ADASYN), and min-max normalization for data preparation. Ensemble learning methods, including voting, bagging, and boosting, were used for classification, with Bayesian optimization and K-Fold cross-validation for model validation. According to the findings Random Forest model achieved 99% accuracy, highlighting 'Aspartic Amino-Transferase' (AST) and 'Bilirubin' (BIL) as key predictors in the prediction of hepatitis C severity. These methods enhance the reliability of Hepatitis C severity prediction and offering a robust tool for early diagnosis.

لیست مقالات

لیست مقالات بایگانی شده

انتخاب فناوری برتر تصفیه فاضلاب در تصفیه‌خانه‌های شهر مشهد با تأکید بر بومی‌سازی

محدثه جلالی سنگانی - سیدمحمود حسینی

قیمت‌گذاری اختیار معامله سهام شرکت ایران‌خودرو با واحد بازگشتی دروازه‌ای (GRU)

مهرداد حیدری - مرتضی مرادی

پیش بینی تقلب در حوزه بیمه بدنه خودرو با استفاده از مدل‌های داده محور (به همراه مطالعه موردی)

محمد محزون - حسن خادمی زارع - محمد صالح اولیاء

مسیریابی و زمانبندی پرستاران برای فرآیند درمان سرطان با شیمی‌درمانی توسط مراقبت‌های پزشکی درمنزل

زهرا مهره کش - سعید دهنوی

Integrating smart card data and environmental factors in public transportation management: A machine learning-based framework for Mashhad

Shariat Radfar - Hamidreza Koosha - Ali Gholami - Atefeh Amindoust

A model for the establishment of lean management considering the sanctions issues

Mehdi Kabiri naeini - Zeynab Elahi

Comparison of Two Customer Segmentation Methods (Case Study: Customer Data from GreenWeb Company)

Mehdi Mohammadi - Mehdi Jabbari Nooghabi - Sanaz Nia - Rozhin Sharifi - Ameneh Mohammadi

اولویت‌بندی پروژه‌های توسعه‌ای منطقه ویژه اقتصادی سرخس با استفاده از روش AHP-TOPSIS

محمدرضا بنائی مقدم - علیرضا ایزدی - پریسا لقمانی یزدی

A Study on Customer Loyalty and Churn Based on the Purchased Items

Mehran Akbarpour - AmirMahdi Ghreishizadeh - Mostafa Setak

زمانبندی بهینه وسایل برقی در خانه های هوشمند با قطعی تصادفی برق شبکه: یک رویکرد برنامه ریزی تصادفی دو مرحله ای

زهرا ملک خانی - محمد رنجبر

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.7.0