iumssj
جلد 26، شماره 8 - ( 8-1398 )                   جلد 26 شماره 8 صفحات 0-0 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

bastin takhti S, firouzi jahantigh F. A model for diagnosis of chronic kidney disease using machine learning techniques. RJMS. 2019; 26 (8)
URL: http://rjms.iums.ac.ir/article-1-5727-fa.html
باستین تختی سجاد، فیروزی جهانتیغ فرزاد. ارائه مدلی تشخیص ابتلا به بیماری مزمن کلیوی با استفاده از تکنیک‌های یادگیری ماشین. مجله علوم پزشکی رازی. 1398; 26 (8)

URL: http://rjms.iums.ac.ir/article-1-5727-fa.html


دانشگاه سیستان و بلوچستان ، firouzi@eng.usb.ac.ir
چکیده:   (249 مشاهده)
مقدمه: امروزه کاربرد هوش مصنوعی درزمینه سیستم‌های سلامت گسترش زیادی داشته است. یادگیری ماشین به‌عنوان یکی از زیرشاخه‌های هوش مصنوعی، کاربردهای فراوانی درزمینه تشخیص پزشکی دارد. بیماری مزمن کلیوی یکی از شایع‌ترین بیماری‌های 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 برپایه‌ی تکنیک‌های یادگیری ماشین جهت تشخیص بیماری مزمن کلیوی است.
روش کار: داده‌های مورد استفاده در این تحقیق از تعداد ۴۰۰ فرد بیمار و غیر بیمار در کشور هندوستان استخراج‌شده است. این داده‌ها ابتدا در محیط پایتون پیش‌پردازش شده و از مشاهدات نویز و دورافتاده پاک شد. سپس الگوریتم‌های ماشین بردار پشتیبان، پرسپترون چندلایه و درخت تصمیم جهت دسته‌بندی داده‌ها بکار گرفته شد. معیارهای ارزیابی Accuracy، Recall و Precision برای ارزیابی عملکرد این دسته‌بندها محاسبه شد.
یافته‌ها: با توجه معیارهای ارزیابی محاسبه‌شده، برای الگوریتم ماشین بردار پشتیبان، مقادیر معیارهای Accuracy، Recall و Precision به ترتیب برابر۰.۹۷، ۰.۹۶۱، ۰.۹۸۶ به دست آمد. یافته‌ها حکایت از عملکرد بهتر الگوریتم ماشین بردار پشتیبان ازنظر معیار Accuracy دارد. ازنظر معیار Recall، الگوریتم درخت تصمیم با مقدار ۰.۹۶۳ بهترین عملکرد را داشته و از نظر معیار Precision، الگوریتم پرسپترون چندلایه با مقدار ۰.۹۹۴ بهترین عملکرد را در دسته‌بندی داده‌ها داشتند. بحث و نتیجه‌گیری: نتایج به‌دست‌آمده نشان داد که تکنیک‌های یادگیری ماشین می‌توانند در تشخیص بیماری مزمن کلیوی اثرگذار باشند. به‌کارگیری این تکنیک‌ها می‌تواند 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 پایه‌ی تکنیک‌های یادگیری ماشین، در مقایسه با سایر تکنیک‌ها دقیق‌تر، ساده‌تر و کم‌هزینه تر است.
     
نوع مطالعه: پژوهشي | موضوع مقاله: کلیه

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله علوم پزشکی رازی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | Razi Journal of Medical Sciences

Designed & Developed by : Yektaweb