ارائه مدلي تشخيص ابتلا به بيماري مزمن كليوي با استفاده از تكنيك‌هاي يادگيري ماشين

امروزه كاربرد هوش مصنوعي درزمينه سيستم‌هاي سلامت گسترش زيادي داشته است. يادگيري ماشين به‌عنوان يكي از زيرشاخه‌هاي هوش مصنوعي، كاربردهاي فراواني درزمينه تشخيص پزشكي دارد. بيماري مزمن كليوي يكي از شايع‌ترين بيماري‌هاي مربوط به كليه در سراسر جهان است كه تسهيل و تسريع در امر تشخيص آن نتايج بسيار مطلوبي بر روند درمان آتي آن خواهد داشت. هدف اين پژوهش ارائه مدلي هوشمند برپايه‌ي تكنيك‌هاي يادگيري ماشين جهت تشخيص بيماري نارسايي كليوي است. روش كار: اين مطالعه از نوع توصيفي-تحليلي مي‌باشد. داده‌هاي مورد استفاده در اين تحقيق از تعداد 400 فرد بيمار و غير بيمار در كشور هندوستان استخراج‌شده است. اين داده‌ها ابتدا در محيط پايتون پيش‌پردازش شده و از مشاهدات نويز و دورافتاده پاك شد. سپس الگوريتم‌هاي ماشين بردار پشتيبان، پرسپترون چندلايه و درخت تصميم جهت دسته‌بندي داده‌ها به كار گرفته شد. معيارهاي ارزيابي Accuracy، Recall و Precision براي ارزيابي عملكرد اين دسته‌بندها محاسبه شد. يافته‌ها: با توجه معيارهاي ارزيابي محاسبه‌شده، براي الگوريتم ماشين بردار پشتيبان، مقادير معيارهاي Accuracy، Recall و Precision به ترتيب برابر 97/0، 961/0، 986/0 به دست آمد. يافته‌ها حكايت از عملكرد بهتر الگوريتم ماشين بردار پشتيبان ازنظر معيار Accuracy دارد. ازنظر معيار Recall، الگوريتم درخت تصميم با مقدار 963/0 بهترين عملكرد را داشته و از نظر معيار Precision، الگوريتم پرسپترون چندلايه با مقدار 994/0 بهترين عملكرد را در دسته‌بندي داده‌ها داشتند. نتيجه‌گيري: نتايج به‌دست‌آمده نشان داد كه تكنيك‌هاي يادگيري ماشين مي‌توانند در تشخيص بيماري مزمن كليوي اثرگذار باشند. به‌كارگيري اين تكنيك‌ها مي‌تواند امور مربوط به تشخيص و درمان اين بيماران را تسهيل كند و احتمال بهبودي افراد را بالا برد. همچنين نتايج نشان داد كه مدل ارائه شده بر پايه‌ي تكنيك‌هاي يادگيري ماشين، در مقايسه با ساير تكنيك‌ها دقيق‌تر، ساده‌تر و كم‌هزينه تر است.

This Article has no Abstract.