ارائه روشي با استفاده از تركيب بهرهاطلاعاتي، K نزديكترين همسايه و شبكههاي عصبي جهت پيشبيني وضعيت جنين

امروزه با گسترش علوم و تكنولوژيهاي نوين پيشبيني وضعيت جنين در زمان بارداري بسيار پر اهميت است چرا كه در صورت عدم سلامت ميتواند باعث به خطر افتادن جان مادر و جنين شود. از روشهايي كه ميتوان وضعيت جنين را پيشبيني نمود استفاده از تست CTG است. هدف از اين مقاله مقايسه پارامترهاي مختلف جهت ارائه روشي براي بهبود پيشبيني وضعيت جنين با استفاده از تركيب و استفاده همزمان از روشهاي مختلف دادهكاوي به منظور توانايي شناسايي خطر ريسك سلامت جنين است. در اين پژوهش از مجموعه داده Cardiotocography از مخزن يادگيري ماشين UCI استفاده ميگردد. ابتدا هشت الگوريتم برتر دادهكاوي بررسي و مقايسه گرديده در نهايت مدلي تركيبي با استفاده از بهرهاطلاعاتي ، الگوريتمKNN و شبكههاي عصبي ايجاد گرديده كه توانايي بهتري در پيشبيني متغير هدف كه شامل وضعيت عادي، مشكوك و بيمار است با دقت 93% از خود نشان مي دهد.