ارائه یک سیستم خبره برای تشخیص زود هنگام بیماری مزمن کلیوی با روش های ماشین بردار پشتیبان و شبکه عصبی مصنوعی

زمینه و هدف: در این مقاله هدف طراحی یک سیستم خبره برای کمک به تشخیص زودهنگام و پیشگیری از بیماری مزمن کلیه (Chronic Kidney Disease, CKD) در مراحل اولیه با استفاده از تکنیک ها یادگیری ماشین است. بیماری کلیوی اختلالی است که عملکرد طبیعی کلیه را مختل می کند. از آنجا که درصد بیماران مبتلا به CKD به طور چشمگیری در حال افزایش است، باید اقدامات پیش بینی اثربخشی برای جلوگیری از، از دست دادن عملکرد کلیه و مقادیر زیادی از منابع مالی ضروری است ، در نظر گرفته شود. مواد و روش ها: جنبه نوآورانه مقاله حاضر بهینه سازی پارامترها موثر برای تشخیص بیماری مزمن کلیوی است. همچنین جنبه نوآورانه دیگر این مقاله استفاده از روش هایی مانند شبکه عصبی مصنوعی، ماشین بردار پشتیبان، درخت تصمیم و ادغام تصمیم حاصل از هر سه مدل هوش مصنوعی برای تشخیص نوع بیماری است. در ادامه مدل های درخت تصمیم، شبکه عصبی مصنوعی و ماشین بردار پشتیبان ارائه گردید و کارایی این مدل ها با پیاده سازی آنها در برنامه های وکا و متلب مورد ارزیابی قرار گرفت. یافته ها: نتایج تجربی حاصل از آزمایشات نشان داد که دقت کلی درخت تصمیم J۴۸ برابر با ۹۹/۲۵% است و در مجموع بیشترین دقت و حساسیت مربوط به شبکه عصبی مصنوعی با تابع یادگیری trainbr برابر با ۱۰۰ % بود که عملکرد بهتری نسبت به ماشین بردار پشتیبان با تابع کرنل پایه شعاعی با دقت ۹۹ % داشت. نتیجه گیری : در درمان بیماری کلیوی نوع درمان مناسب برای بیمار دارای اهمیت زیادی است. بنابراین استفاده از این سیستم خبره با روش شبکه عصبی مصنوعی تسریع در روند تشخیص زودهنگام بیماری مزمن کلیوی را به همراه دارد.شبکه عصبی مصنوعی، ماشین بردار پشتیبان. ،J

Keywords:

بیماری مزمن کلیوی , درخت تصمیم , الگوریتم J۴۵ , شبکه عصبی مصنوعی , ماشین بردار پشتیبان