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

Reverse supply chain coordination considering modular design

Fatemeh Bodaghabadi - Ehsan Nikbakhsh - Ali Husseinzadeh Kashan

شناسایی عوامل مؤثر بر ریسک مالی شرکت‌های دارویی پذیرفته شده در بورس اوراق بهادار

محبعلی رهدار - فریبا بخشی

Investigating the factors of infertility with female cause of ART baruchs using decision tree algorithm and regression

Somayeh Ghiasi Hafazi - Sohrab Effati - Mahboubeh Afzali

An Integrated AHP and System Dynamics Approach for the Evaluation of COVID-19 Prevention Strategies

Mohammadtaghi Dehghannezhad - Alireza Mohammadi - Mohammed Nazary

ارزیابی نقش متاورس در مدیریت شهر هوشمند با مدلسازی رفتاری، در حوزه‌های انرژی، سلامت، حمل‌و‌نقل و مطالعه موردی بازار انرژی محلی

زهرا ایران‌پور مبارکه - مهدی نوذریان - محمد غفوریان نصیری - علیرضا فریدونیان

Designing a multi-period, multi-product MILP model with inventory and shortage system to optimize the product mix (case study: one of the four major lubricant manufacturing companies in Iran)

Mohammad Reza Nemati - Mehrdad Kargari - Ehsan Nikbakhsh

A mathematical model for the project portfolio selection and scheduling problem under uncertainty

Ali Namazian

مدل ارزیابی اقتصادی نوسازی واگن‌های مسافری؛ مطالعه موردی شرکت قطارهای مسافری رجا

شیما قربان زاده - حمیدرضا احدی

بکارگیری روش های یادگیری عمیق جهت پیش بینی تقاضای زنجیره‌ی تامین خون (مطالعه‌ی موردی: بیمارستان افضلی‌پور کرمان)

منصوره نادری پور - محمد مهدی سلندری

قیمت‏گذاری پویا برای خدمات سواری آنلاین با در نظر گرفتن درصد پورسانت ثابت

کیمیا فضلی - انور محمودی

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.3.2