In this study, to develop a predict

In this study, to develop a prediction
model that can predict heart disease cases
based on measurements taken from transthoracic
echocardiography examination, and we have used the Knowledge Discovery in Database (KDD)
methodology as described by2.
To define the problem and determine
medical goals, I have thoroughly discussed with
medical fraternity particularly cardiologists at PGI,
Chandigarh. Since the knowledge gained from the
different experts are a high-level description of the
problem from the medical point of view, a literature
review was carried out and relevant works related to
data mining and heart disease have been reviewed
to have more knowledge about the domain.
Furthermore, a real time observation
of the system was performed to understand the
business process of the hospital. A key sub goal in
this step is determination of data mining goals and
their success criteria. The goals are obtained by
translating medical goals into data mining goals.
I have used data collected from PGI,
Chandigarh which contains transthoracic
echocardiography report of 7,008 patients from
the year 2008 to the first quarter of year 2010. Data
was collected from various measurements that were
taken during the echocardiography examination that
also included information of 20 variables. In an effort
to reduce the number of variables, then I turned to
a domain expert for assistance. The expert selected
15 of the most important variables for inclusion in
the dataset.
As the hospital keeps the record of each
patient in a separate hard file, therefore that file is
converted into a separate Microsoft Word file, in
order to integrate the data it was needed to create
a database with variables of interest and record the
values of each variable into the new database. After
recording, the new database now contains 7,339
instances each instance resembling a single file.
The selected data was checked for noise,
inconsistency and missing values using distribution
frequency while outlier detection was done using
box plots. Noises and inconsistencies identified in
the dataset were corrected manually, while missing
values were replaced with the most probable value
determined with regression and outliers were
replaced with the mean value of the attributes. All
the data cleaning was performed after addressing

ผลลัพธ์ (ไทย) 1:

ในการศึกษานี้ เพื่อพัฒนาการคาดการณ์แบบจำลองที่สามารถทำนายกรณีโรคหัวใจตามวัดที่นำมาจาก transthoracicการตรวจ echocardiography และเราได้ใช้การค้นพบความรู้ในฐานข้อมูล (KDD)วิธีเป็น by2 อธิบายการกำหนดปัญหา และกำหนดเป้าหมายทางการแพทย์ ฉันได้อย่างทั่วถึงกล่าวถึงด้วยแพทย์ภราดรภาพโดยเฉพาะ cardiologists ที่ PGIจันดิการ์ฮ เนื่องจากความรู้ได้รับจากการผู้เชี่ยวชาญที่แตกต่างกันจะอธิบายพื้นฐานของการปัญหาจากทางการแพทย์มอง นิพนธ์ตรวจสอบดำเนินได้ และงานที่เกี่ยวข้องกับมีการตรวจทานการทำเหมืองข้อมูลและโรคหัวใจมีความรู้เพิ่มเติมเกี่ยวกับโดเมนนอกจากนี้ สังเกตเวลาจริงของระบบทำให้เข้าใจการกระบวนการทางธุรกิจของโรงพยาบาล เป้าหมายย่อยที่สำคัญในขั้นตอนนี้เป็นการกำหนดเป้าหมายการทำเหมืองข้อมูล และเงื่อนไขของความสำเร็จ เป้าหมายจะได้รับโดยแปลทางการแพทย์เป้าหมายเป็นเป้าหมายของการทำเหมืองข้อมูลใช้ข้อมูลที่รวบรวมจาก PGIจันดิการ์ฮซึ่งประกอบด้วย transthoracicรายงานผู้ป่วย 7,008 จาก echocardiographyปี 2008 ถึงไตรมาสแรกของปี 2553 ข้อมูลถูกรวบรวมจากวัดต่าง ๆ ที่ดำเนินการในระหว่างการตรวจ echocardiography ที่นอกจากนี้ยัง รวมข้อมูลตัวแปร 20 ในความพยายามการลดจำนวนของตัวแปร แล้วฉันหันไปผู้เชี่ยวชาญการโดเมนสำหรับความช่วยเหลือ ผู้เชี่ยวชาญที่เลือก15 ของตัวแปรสำคัญที่สุดสำหรับการรวมในชุดข้อมูลเป็นโรงพยาบาลรักษาบันทึกของแต่ละผู้ป่วยในแฟ้มแยกต่างหากยาก ดังนั้นไฟล์ที่เป็นแปลงเป็นไฟล์ Microsoft Word แยก ในสั่งการรวมข้อมูลจะต้องสร้างฐานข้อมูลที่ มีตัวแปรการสนใจและบันทึกการค่าของตัวแปรแต่ละไว้ในฐานข้อมูลใหม่ หลังจากบันทึก ฐานข้อมูลใหม่ตอนนี้ประกอบด้วย 7,339อินสแตนซ์แต่ละอินสแตนซ์ที่คล้ายแฟ้มเดียวข้อมูลถูกตรวจสอบเสียงรบกวนไม่สอดคล้องและใช้แจกจ่ายค่าหายไปความถี่ในขณะทำ outlier ตรวจโดยใช้กล่องลงจุด เสียงและความขัดแย้งที่ระบุในชุดข้อมูลถูกแก้ไขด้วยตนเอง ในขณะที่หายไปค่าถูกแทนที่ ด้วยค่าน่าเป็นที่สุดกำหนด ด้วยการถดถอยและ outliers ได้แทนที่ ด้วยค่าของแอททริบิวต์หมายถึง ทั้งหมดทำความสะอาดข้อมูลที่ทำการหลังจากกำหนด

ผลลัพธ์ (ไทย) 2:

ในการศึกษานี้ในการพัฒนาการทำนาย
รูปแบบที่สามารถคาดการณ์กรณีการเกิดโรคหัวใจ
อยู่บนพื้นฐานของการวัดที่นำมาจาก transthoracic
ตรวจสอบ echocardiography และเราได้ใช้การค้นพบความรู้ในฐานข้อมูล (KDD)
วิธีการตามที่อธิบายไว้ by2.
เพื่อกำหนดปัญหาและกำหนด
เป้าหมายทางการแพทย์ ฉันได้กล่าวอย่างละเอียดกับ
พี่น้องแพทย์โรคหัวใจโดยเฉพาะอย่างยิ่งที่ PGI,
Chandigarh ตั้งแต่ความรู้ที่ได้จาก
ผู้เชี่ยวชาญที่แตกต่างกันคำอธิบายระดับสูงของ
ปัญหาที่เกิดขึ้นจากจุดทางการแพทย์ในมุมมองของวรรณกรรม
ตรวจสอบได้ดำเนินการและผลงานที่เกี่ยวข้องที่เกี่ยวข้องกับ
การทำเหมืองข้อมูลและโรคหัวใจได้รับการตรวจสอบ
ต้องมีความรู้เพิ่มเติมเกี่ยวกับโดเมน .
นอกจากนี้เวลาจริงการสังเกต
ของระบบที่ได้ดำเนินการที่จะเข้าใจ
กระบวนการทางธุรกิจของโรงพยาบาล เป้าหมายย่อยที่สำคัญใน
ขั้นตอนนี้คือการกำหนดเป้าหมายการทำเหมืองข้อมูลและ
เกณฑ์ที่ประสบความสำเร็จของพวกเขา เป้าหมายจะได้รับโดย
แปลเป้าหมายทางการแพทย์เข้าไปในเป้าหมายของการทำเหมืองข้อมูล.
ฉันได้ใช้ข้อมูลที่รวบรวมจาก PGI,
Chandigarh ที่มี transthoracic
รายงาน echocardiography 7008 ของผู้ป่วยจาก
ปี 2008 ถึงไตรมาสแรกของปี 2010 ข้อมูล
ที่ถูกเก็บรวบรวมจากการวัดต่างๆที่มี
ในระหว่างการตรวจสอบ echocardiography ที่
ยังรวมถึงข้อมูลจาก 20 ตัวแปร ในความพยายามที่
จะลดจำนวนของตัวแปรแล้วฉันหันไป
ผู้เชี่ยวชาญโดเมนเพื่อขอความช่วยเหลือ ผู้เชี่ยวชาญด้านการเลือก
15 ของตัวแปรที่สำคัญที่สุดสำหรับการรวมอยู่ใน
ชุด.
ในฐานะที่เป็นโรงพยาบาลเก็บบันทึกของแต่ละ
ผู้ป่วยในแฟ้มที่แยกจากกันยากดังนั้นแฟ้มที่ถูก
ดัดแปลงให้เป็นแยกไฟล์ Microsoft Word, ใน
เพื่อที่จะบูรณาการข้อมูลที่มันเป็น จำเป็นในการสร้าง
ฐานข้อมูลที่มีตัวแปรที่น่าสนใจและบันทึก
ค่าของตัวแปรในแต่ละฐานข้อมูลใหม่ หลังจาก
บันทึกฐานข้อมูลใหม่ในขณะนี้มี 7,339
กรณีในแต่ละตัวอย่างคล้ายไฟล์เดียว.
เลือกข้อมูลที่ได้รับการตรวจสอบเสียง
ที่ไม่สอดคล้องกันและค่าที่ขาดหายไปโดยใช้การกระจาย
ความถี่ในขณะที่การตรวจสอบขอบเขตที่ได้กระทำโดยใช้
กล่องแปลง เสียงและไม่สอดคล้องกันที่ระบุไว้ใน
ชุดข้อมูลที่ได้รับการแก้ไขด้วยตนเองในขณะที่หายไป
ค่าที่ถูกแทนที่ด้วยค่าน่าจะเป็นที่สุด
กับการถดถอยกำหนดค่าผิดปกติและถูก
แทนที่ด้วยค่าเฉลี่ยของคุณลักษณะ ทั้งหมด
ทำความสะอาดข้อมูลที่ถูกดำเนินการหลังจากที่อยู่

ผลลัพธ์ (ไทย) 3:

ในการศึกษานี้ได้พัฒนาแบบจำลองทำนายที่สามารถทำนาย

กรณีโรคหัวใจตามที่วัดได้จากการสอบการอุปถัมภ์ transthoracic
และเราได้ใช้การค้นพบความรู้ในฐานข้อมูล ( KDD )
วิธีการตามที่อธิบายไว้ by2 .

เพื่อกําหนดปัญหา และกำหนดเป้าหมายทางการแพทย์ ผมได้พูดคุยกันอย่างทั่วถึงกับ
แพทย์สมาคมโดยเฉพาะโรคหัวใจที่ PGI
Chandigarh .เพราะความรู้ที่ได้รับจากผู้เชี่ยวชาญต่าง ๆมีรายละเอียด
-
ปัญหาจากจุดแพทย์ในมุมมองของการทบทวนวรรณกรรมที่เกี่ยวข้องออก

และงานที่เกี่ยวข้องกับการทำเหมืองข้อมูลและโรคหัวใจได้รับการตรวจทาน
มีความรู้เพิ่มเติมเกี่ยวกับ โดเมน .
นอกจากนี้ เวลาจริงสังเกต
ของ ระบบทำเข้าใจ
กระบวนการธุรกิจของโรงพยาบาล เป้าหมายย่อยที่สำคัญในขั้นตอนนี้คือการกำหนด

การทำเหมืองข้อมูลเป้าหมายและเกณฑ์ความสำเร็จของพวกเขา เป้าหมายจะได้รับโดย
แปลเป้าหมายทางการแพทย์ในการทำเหมืองข้อมูลเป้าหมาย .
ฉันได้ใช้ข้อมูลจาก PGI
Chandigarh ซึ่งมีรายงานผู้ป่วยจากการอุปถัมภ์ของ 7008 transthoracic

ปี 2551 ถึงไตรมาสแรกของปี 2553
ข้อมูลรวบรวมจากวัดต่าง ๆที่ถูกถ่ายในช่วงสอบ

ยังรวมถึงการอุปถัมภ์ข้อมูล 20 ตัวแปร ในความพยายาม
เพื่อลดจำนวนตัวแปร ฉันหันไป
ผู้เชี่ยวชาญโดเมนสำหรับความช่วยเหลือ ผู้เชี่ยวชาญเลือก
15 ตัวแปรที่สำคัญที่สุดเพื่อรวมไว้ใน DataSet
.
เป็นโรงพยาบาลรักษาระเบียนของแต่ละ
ผู้ป่วยแยกยากแฟ้มดังนั้น แฟ้มที่แยกต่างหาก
แปลง Microsoft Word ไฟล์ ในการบูรณาการข้อมูล

มันก็ต้องสร้างฐานข้อมูลกับตัวแปรของดอกเบี้ยและค่าของตัวแปรแต่ละตัว
บันทึกลงในฐานข้อมูลใหม่ หลังจาก
บันทึกฐานข้อมูลใหม่ในขณะนี้ประกอบด้วยกรณี 7339
แต่ละอินสแตนซ์คล้ายไฟล์เดียว เลือกตรวจสอบข้อมูล

เสียงความไม่สอดคล้องกันและหายไปในขณะที่การตรวจสอบค่าใช้ความถี่ โดยใช้ค่า

กล่องแปลง เสียง และสอดคล้องกับที่ระบุไว้ในข้อมูลการแก้ไขด้วยตนเอง
) ในขณะที่ค่าหายไปถูกแทนที่ด้วยค่า

น่าจะเป็นมุ่งมั่นกับการถดถอยและผิดปกติถูกแทนที่ด้วย
หมายถึงค่าของแอตทริบิวต์ ทำความสะอาดข้อมูลทั้งหมด
ถูกจัดขึ้นหลังจากการ