لطفا منتظر بمانید ...
0% Complete
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 Zadeh
1
Meysam Ghanbari Marvast
2
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
Exploring Variants of Feature Pyramid Networks (FPN) for Object Detection: A Comprehensive Review
Milad Soltani - Mohammadamir Razmi - Pouya Faridfar
زمانبندی قرار ملاقات های رادیوتراپی برای بیماران سرطانی
مهناز نقش نیلچی - آرزو عتیقه چیان
توسعه یک مدل ریاضی برای مسئلۀ مسیریابی-موجودی کالاهای فاسدشدنی با در نظر گرفتن عمر ثابت و پنجرههای زمانی سخت
محمد حسن پورکبگانی - زهرا سادات حسینی
توسعه مسئله طراحی شبکه هاب رقابتی با در نظرگیری صف در سیستم
فریبا علیزاده - نادر غفاری نسب
تخفیف گذاری پویای مبتنی بر تاریخ انقضا برای محصولات غذایی تازه با در نظر گرفتن اثر زمانِ روز: رویکرد فرایند تصمیم گیری مارکوف دوره ای
محمود وحدانی - زینب سازور
طراحی شبکه تاب آور زنجیره تأمین خون با رویکرد بهینه سازی و مدیریت ضایعات خون
محمد حسن بخشی - یوسف شمس تبار - اشکان مزدگیر
ارائه یک سیستم خبره برای تشخیص نارسایی مزمن کلیوی مبتنی بر شبکه های عصبی مصنوعی
وهاب امینی آذر - رسول فرحی
فرایندکاوی درخواست صدور پروانه مرحله اول شهرداری مشهد
محمد تقی زاده - عباس روشن - سید حسین مطلبی - شادی امینی
Predictive Maintenance of Hospital Medical Equipment Using Machine Learning and Simulation in Industry 5.0
Mohammad Rahmani - Mohammad Sheikhalishahi
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 همایش ها و جشنواره ها - نگارش 46.0.2