تاریخ امروز:   1403/1/28   (English)
درباره ما   | ساختار پژوهشکده   | نقشه سایت   | اهداف و چشم انداز   |   اخبار   |   گالری تصاویر   |   تماس با ما

ScaDiPaSi: An Effective Scalab...

خانه گروه های پژوهشی جزئیات گروه پژوهشی مقالات ژورنال جزئیات ScaDiPaSi: An Effective Scalab...
  تاریخ انتشار : 1394/11/15   نام نشریه : Big data research Journal - Elsevier   شمارهء صفخه در نشریه : 19
ScaDiPaSi: An Effective Scalable and Distributable MapReduce-Based Method to Find Patient Similarity on Huge Healthcare Networks

چکیده مقاله

Healthcare network information growth follows an exponential pattern, and current database manage-ment systems cannot adequately manage this huge amount of data. It is necessary to use a “big data” solution for healthcare problems. One of the most important problems in healthcare is finding Patient Similarity(PaSi). Current methods for finding PaSi are not adaptive and do not support all data sources, nor can they fulfill user requirements for a query tool. In this paper, we propose a scalable and distributable method to solve PaSi problems over MapReduce architecture. ScaDiPaSi, supports storage and retrieval of all kinds of data sources in a timely manner. The dynamic nature of the proposed method helps users to define conditions on all entered fields. Our evaluation shows that we can use this method with high confidence and low execution time.


نویسندگان : محمدحسین برخورداری، مهدی نیامنش

تمای حقوق این وب سایت برای پژوهشکده فناوری اطلاعات جهاد دانشگاهی محفوظ است.
درباره ما   | ساختار پژوهشکده   | نقشه سایت   | اهداف و چشم انداز   |