توسعه سيستم تركيبي مبتني بر داده‌كاوي و وب معنايي براي تشخيص بيماري اوتيسم

مقدمه: اوتيسم به عنوان يك اختلال سيستم عصبي است و از آنجايي كه تشخيص مستقيمي براي آن وجود ندارد، داده‌كاوي مي‌تواند به تشخيص اين بيماري كمك شاياني كند. آنتولوژي به عنوان ستون وب معنايي‌، يك پايگاه دانش با قابليت اشتراك‌پذيري و استفاده قابليت مجدد مي‌تواند تأييدي بر درستي سيستم‌هاي تشخيص بيماري باشد. هدف اين تحقيق ارائه سيستمي جهت تشخيص كودكان اوتيسمي با روشي مركب از وب معنايي و داده كاوي مي‌باشد. روش: داده‌هاي موجود، برگرفته از بانك داده‌اي UCI مي‌باشد. در مجموع 292 ركورد داده‌اي موجود بود كه 80 درصد اين داده‌ها يعني 234 ركورد جهت مدل‌سازي به وسيله درخت تصميم استفاده شدند. اطلاعات مربوط به بيماران و بيماري اوتيسم در قالب دانش در آنتولوژي با استفاده از نرم‌افزار Protege 5 ارائه داده شدند. آنتولوژي داراي 4 كلاس و 12 خصوصيت جهت برقراري ارتباط بين نمونه‌هاي موجود در كلاس‌ها بود. قانون‌هاي استخراج شده از درخت تصميم، به شكلي قابل فهم (SWRL) براي تفسير در آنتولوژي توسط يك مبدل، تبديل شدند. نتايج: سالم بودن و يا نبودن كودك از روي قوانين به دست آمده در درخت تصميم قابل تشخيص است. در ضمن، خروجي آنتولوژي با استفاده از تفسير 25 قانون، تشخيص كودكان بيمار با استفاده از درخت تصميم را تأييد كرد. همچنين ارزيابي آنتولوژي، درستي آن را تأييد كرد. نتيجه‌گيري: با توجه به همسان بودن خروجي آنتولوژي و درخت تصميم در رابطه با تشخيص بيماري، مي‌توان به دقت و درستي روش ارائه شده تأكيد كرد.