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

پیش‌بینی و طبقه‌بندی سرطان سینه با استفاده از تکنیک‌های یادگیری ماشین:رویکرد داده‌محور

مهیار نجاریان - فاطمه نجاریان

شناسایی و اولویت بندی عوامل کلیدی موفقیت در مدیریت پروژه های ساخت با رویکرد سبز

مهشید فتح اله گل - محمدجعفر فشارکی - حسام ورعی

A Hybrid Model for ERP Implementation in Large Organizations: Combining Agile and Traditional Methodologies

Seyedeh safoura Seyed shobeiri - Hamidreza Abrishami - Vahid Baghishani

تکنیک فرصت از دست رفته بر مبنای فاصله در فضای مختصات قطبی (OPLO-POCOD) و مدل سروکوال ابزاری نوین در تحلیل و ارزیابی عملکرد سازمان های خدماتی: مطالعه موردی ( هتل های پنج ستاره مشهد)

رضا شیخ - سهیلا صنفی - سیده سارا هاشمی مقدم

Data-Driven Optimization of Unattended Collection and Delivery Points with a Focus on Customer Behavior Analysis

Pouya Malakouti - Reza Haddad - Mohsen Varmazyar

بهینه سازی زنجیره تامین پایدار یکپارچه انرژی و مواد شیمیایی از زیست توده طیور

علیرضا حمیدیه - بهاره اخگری ریک

طراحی شبکه زنجیره تامین با استفاده از استراتژی انبار‌های متقاطع و حمل مستقیم با در نظر گرفتن وسایل نقلیه الکتریکی و سوخت فسیلی

سپیده آقابالی - سید میثم موسوی - علیرضا گلکاریان

پیش بینی لزوم انجام عمل جراحی قلب باز با استفاده از الگوریتم‌های داده‌کاوی

اعظم احمدی - مرتضی پاکدامن

تحلیل روابط علی بین شاخص‌های افزایش بهره‌وری تولید میگو پرورشی با استفاده ازرویکرد تلفیقی دلفی فازی و دیمتل فازی

جعفر معرفی - مرضیه خاکستری - میثم رافعی

پیشبینی ریزش مشتریان در بانک ها با استفاده از تکنیک های داده کاوی ( مطالعه موردی: نمونه ای از بانکهای دولتی داخل کشور)

راحله ملکی - وحید اسماعیلی

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 41.5.3