عنوان المقالة:اكتشاف عوامل خطر الإصابة بارتفاع ضغط العين باستخدام خوارزميات التنقيب عن البيانات. Discovering Risk Factors of High Intraocular Pressure Infection Using Data Mining Algorithms.
عبدالقوي يحيى ردمان الشميري، لي بيبي، و بلقيس يحيى علي عبدالله المحويتي
المؤلفون بالإنجليزي
Abdulkawi Yahya Radman Al-Shamiri, Li Peipei, and Balqis Yahya Ali Abdullah Al-Mahweeti
الملخص العربي
أمراض العيون هي أمراض شائعة جدًا في المجال الطبي. يعد ارتفاع ضغط العين من أمراض العيون الخطيرة ، مما يؤدي إلى فقدان البصر في العين المصابة. وبالتالي ، فإن كيفية اكتشاف عوامل الخطر الخفية بشكل فعال من البيانات الكبيرة لارتفاع ضغط العين هي مسألة مهمة للغاية وصعبة. يمكن لخوارزميات استخراج البيانات (مثل قواعد التصنيف والارتباط) اكتشاف المعرفة المخفية من مجموعات البيانات الكبيرة الحجم في العديد من تطبيقات العالم الحقيقي وخاصة في المجال الطبي. لذلك ، تركز هذه الورقة على اكتشاف عوامل الخطر المخبأة في ارتفاع ضغط العين بشكل فعال وكفء باستخدام خوارزميات J48 و Apriori. فيما يتعلق بخوارزميات التنقيب عن البيانات هذه ، يمكننا اكتشاف بعض القواعد الشيقة والمفيدة في مجموعة بيانات أمراض العيون. كشفت نتائج الدراسة عن بعض عوامل الخطر لارتفاع ضغط العين والتي تم إثباتها من خلال التجارب الطبية. توضح الدراسة التجريبية فعالية وسهولة استخدام تقنيات التنقيب عن البيانات في المجال الطبي. وفي الوقت نفسه ، تكتشف هذه الدراسة بعض عوامل الخطر الجديدة لارتفاع ضغط العين والتي لم يتم اكتشافها مسبقًا من خلال الدراسات القائمة على التجارب الطبية. ستسهم هذه المعرفة في الكشف المبكر والوقاية من العمى من خلال التعرف على عوامل الخطر لارتفاع ضغط العين.
الملخص الانجليزي
Eye diseases are very common diseases in the medical field. High intraocular pressure is one of serious eye diseases, which leads to the loss of vision in the affected eye. Thus, how to effectively discover the hidden risk factors from large data of high intraocular pressure is a very significant and challenging issue. Data mining algorithms (such as classification and association rules) can discover the hidden knowledge from large-scaled data sets in many real-world applications especially in the medical field. Therefore, this paper focuses on finding out the risk factors hidden in high intraocular pressure effectively and efficiently by using J48, and Apriori algorithms. In terms of these data mining algorithms, we can discover some interesting and useful rules in the data set of eye disease. Results of the study discover some risk factors of high intraocular pressure which have been proved by medical trials. The experimental study demonstrates the effective and usability of data mining techniques in Medical field. Meanwhile, this study discovers some new risk factors for high intraocular pressure which have not been discovered previously by studies based on medical trials. This knowledge will contribute to early detection and preventing blindness by recognizing risk factors for high intraocular pressure.
عبدالقوي يحيى ردمان الشميري | ABDULKAWI YAHYA RADMAN AL-SHAMIRI | 3310