Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,536
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

935
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارائه مدلی تشخیص ابتلا به بیماری نارسایی کلیوی با استفاده از تکنیک های یادگیری ماشین

صفحات

 صفحه شروع 14 | صفحه پایان 22

چکیده

 زمینه و هدف: امروزه کاربرد هوش مصنوعی درزمینه سیستم های سلامت گسترش زیادی داشته است. یادگیری ماشین به عنوان یکی از زیرشاخه های هوش مصنوعی, کاربردهای فراوانی درزمینه تشخیص پزشکی دارد. بیماری مزمن کلیوی یکی از شایع ترین بیماری های مربوط به کلیه در سراسر جهان است که تسهیل و تسریع در امر تشخیص آن نتایج بسیار مطلوبی بر روند درمان آتی آن خواهد داشت. هدف این پژوهش ارائه مدلی هوشمند برپایه ی تکنیک های یادگیری ماشین جهت تشخیص بیماری نارسایی کلیوی است. روش کار: این مطالعه از نوع توصیفی-تحلیلی می باشد. داده های مورد استفاده در این تحقیق از تعداد 400 فرد بیمار و غیر بیمار در کشور هندوستان استخراج شده است. این داده ها ابتدا در محیط پایتون پیش پردازش شده و از مشاهدات نویز و دورافتاده پاک شد. سپس الگوریتم های ماشین بردار پشتیبان, پرسپترون چندلایه و درخت تصمیم جهت دسته بندی داده ها به کار گرفته شد. معیارهای ارزیابی Accuracy, Recall و Precision برای ارزیابی عملکرد این دسته بندها محاسبه شد. یافته ها: با توجه معیارهای ارزیابی محاسبه شده, برای الگوریتم ماشین بردار پشتیبان, مقادیر معیارهای Accuracy, Recall و Precision به ترتیب برابر 97/0, 961/0, 986/0 به دست آمد. یافته ها حکایت از عملکرد بهتر الگوریتم ماشین بردار پشتیبان ازنظر معیار Accuracy دارد. ازنظر معیار Recall, الگوریتم درخت تصمیم با مقدار 963/0 بهترین عملکرد را داشته و از نظر معیار Precision, الگوریتم پرسپترون چندلایه با مقدار 994/0 بهترین عملکرد را در دسته بندی داده ها داشتند. نتیجه گیری: نتایج به دست آمده نشان داد که تکنیک های یادگیری ماشین می توانند در تشخیص بیماری مزمن کلیوی اثرگذار باشند. به کارگیری این تکنیک ها می تواند امور مربوط به تشخیص و درمان این بیماران را تسهیل کند و احتمال بهبودی افراد را بالا برد. همچنین نتایج نشان داد که مدل ارائه شده بر پایه ی تکنیک های یادگیری ماشین, در مقایسه با سایر تکنیک ها دقیق تر, ساده تر و کم هزینه تر است.

استنادها

  • ثبت نشده است.

    • ارجاعات

    استناددهی

    APA: کپی

    باستین تختی، سجاد، و فیروزی جهان تیغ، فرزاد. (1398). ارائه مدلی تشخیص ابتلا به بیماری نارسایی کلیوی با استفاده از تکنیک های یادگیری ماشین. علوم پزشکی رازی (مجله دانشگاه علوم پزشکی ایران)، 26(8 )، 14-22. SID. https://sid.ir/paper/363370/fa

    Vancouver: کپی

    باستین تختی سجاد، فیروزی جهان تیغ فرزاد. ارائه مدلی تشخیص ابتلا به بیماری نارسایی کلیوی با استفاده از تکنیک های یادگیری ماشین. علوم پزشکی رازی (مجله دانشگاه علوم پزشکی ایران)[Internet]. 1398؛26(8 ):14-22. Available from: https://sid.ir/paper/363370/fa

    IEEE: کپی

    سجاد باستین تختی، و فرزاد فیروزی جهان تیغ، “ارائه مدلی تشخیص ابتلا به بیماری نارسایی کلیوی با استفاده از تکنیک های یادگیری ماشین،” علوم پزشکی رازی (مجله دانشگاه علوم پزشکی ایران)، vol. 26، no. 8 ، pp. 14–22، 1398، [Online]. Available: https://sid.ir/paper/363370/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا