رویا زارع فرخادی - گروه کامپیوتر نرم افزار، موسسه آموزش عالی رشدیه تبریز
فاطمه هادی مقدم - دانشجوی کارشناسی ترشد مهندسی کامپیوتر گرایش نرم افزار

به طور کلی چنانچه نارسایی کبد در مراحل اولیه ی آن تشخیص داده شود، در بیماران نارسایی کبدی میتوان از تست های کبدی اجتناب کرد. اما متاسفانه تشخیص نارسایی کبد در مراحل اولیه ی آن بسیار پیچیده است. اگرچه ارائه دهندگان مراقبتهای درمانی آزمایشهای عملکرد کبد را به بسیاری از افراد سفارش میکنند، اما تشخیص زودهنگام این بیماری همچنان با ابهاماتی همراه است چراکه تستهای کبدی غیرطبیعی علاوه بر بیماریهای مرتبط با کبد نشاندهنده ی بسیاری از بیماریهای دیگر نظیر بدخیمی های متاستازی، شرایط التهابی یا عفونی، و نارسایی احتقانی قلب هستند . از این رو، تست های کبدی ممکن است گمراه کننده بوده و منجر به درمانهای نامناسب شود که در نتیجه ی آن هزینه ها و حتی شیوع بیماری و مرگ نیز افزایش مییابد. بنابراین برای درمان مناسب دارویی و بالینی بیماران بایستی یک سیستم پشتیبان تصمیم گیری دقیق در اختیار داشته باشیم که نارسایی کبد را بتواند پیش از آغاز آن تشخیص دهد. عملکرد هر سیستم پشتیبان تصمیم به دقت طبقه بندی یکپارچه و مدلهای پیشبینی آن بستگی دارد. با استفاده از تکنیک های یادگیری ماشین مشکلات پزشکی را میتوان به راحتی حل کرد و هزینه تشخیص را کاهش داد. هدف اصلی این پژوهش بررسی تکنیک های یادگیری برای تشخیص نارسایی کبد است.

نارسایی کبد، یادگیری عمیق، یادگیری ماشین، عصبی مصنوعی.