پیش بینی شکست در عمل پیوند کلیه با استفاده از مدل درخت تصمیم و الگوریتم تحلیل مولفه اساسی

امروزه به دلیل شیوع و گسترش بیماریهای کلیوی، تقاضا برای انجام عمل پیوند کلیه رو به افزایش است. علیرغم پیشرفت های پزشکی و آزمایشات تطابق سنجی گوناگون تعدادی از پیوندهای انجام شده با شکست مواجه میشوند. بنابراین پیشبینی این پسزدگی به افزایش کیفیت زندگی بیمار و بهبود وضعیت او کمک بسیاری خواهد کرد. مدلهای مبتنی بر یادگیری ماشین به دلیل ساختار تئوری خود، عملکرد بهتری را نسبت به روشهای آماری سنتی نشان داده اند. تعداد زیاد ویژگی ها و ابعاد مسئله، نتایج تشخیص را تحت تاثیر قرار میدهند و کارایی این مدلها ارتباط تنگاتنگی با انتخاب ویژگیهای موثر دارند. در این پژوهش از مجموعه داده به دست آمده از 378 بیمار بستری در بیمارستان بعثت و اکباتان استان همدان استفاده شده است. در قسمت بعد از روش تحلیل مولفه اساسی جهت استخراج ویژگی های مهم این مجموعه داده بهره گرفته میشود. سپس ویژگیهای استخراج شده برای آموزش مدل درخت تصمیم به کار میروند. برای اعتبارسنجی مدل پیشنهادی، از 30 درصد داده های اولیه که برای آموزش مدل به کار گرفته نشده اند، استفاده میشود و معیارهای دقت، اختصاصیت، حساسیت و مساحت زیر نمودار راک 1ارائه و تحلیل میشوند.

Keywords:

رد پیوند , درخت تصمیم , تحلیل مولفه اساسی , یادگیری ماشین , پیوند کلیه , الگوریتم های تشخیصی