مروری بر روش های تشخیص و پیش بینی بیماری های مزمن کلیوی با استفاده از تکنیک های داده کاوی
Publish place: Electrical Asre Magazine، Vol: 9، Issue: 18
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 287
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_KEEE-9-18_003
تاریخ نمایه سازی: 6 خرداد 1402
Abstract:
رشد چشم گیر بیماری کلیوی، اثرات و عوارض آنها و هزینه هایی که بر جامعه وارد می شود، باعث شده است که جامعه پزشکی به دنبال برنامه هایی برای پیش بینی و تشخیص زودهنگام این بیماری باشند. در سال های اخیر استفاده از تکنیک های داده کاوی در حوزه پزشکی از اهمیت بالایی برخوردار شده است. هدف از این مقاله مروری بر روش های مبتنی بر تکنیک های داده کاوی به منظور پیش بینی بیماری های مزمن کلیوی می باشد. در این مقاله قصد بر آن بوده تا جامعی از بیمارهای مزمن کلیوی، روش های تشخیص در حوزه پزشکی را گردآوری و بررسی نمود. بدین جهت در ابتدا بیمارهای مزمن کلیوی بررسی شده و پیرو این بررسی به بحث و تحلیل حوزه تشخیص زود هنگام این بیماری ها خواهیم پرداخت. در ادامه انواع الگوریتم های داده کاوی در تشخیص بیماری های مزمن کلیوی را معرفی خواهیم کرد. پس از آن به بحث در ارتباط با روش های تشخیص و پیش بینی بیمارهای مزمن کلیوی خواهیم پرداخت و این روش ها را از نظر اهداف، محدودیت ها و قابلیت ها نقد و بررسی خواهیم کرد. در این مقاله برای پیش بینی بیماری نارسایی کلیه دیدگاه های مختلف که عبارتند از: انتخاب ویژگی، روش طبقه بندی، ابزارهای استفاده شده، مورد بررسی قرار می گیرند، که با تحلیل الگوریتم های طبقه بندی نشان می دهیم استفاده از الگوریتم جنگل تصادفی، الگوریتم k- نزدیک ترین همسایه و الگوریتم بردار پشتیبان به همراه روش های انتخاب ویژگی می توانند نقش موثری در پیش بینی بیماری نارسایی کلیه داشته باشند. همچنین نتایج گویای این است که که پایگاه داده UCI و ابزار MATLAB بیشترین کاربرد را در تشخیص و پیش بینی بیماری های مزمن کلیوی دارند.
Keywords:
Chronic kidney failure , disease diagnosis and prediction , data mining , نارسایی های مزمن کلیوی , تشخیص و پیش بینی بیماری , داده کاوی
Authors
وهاب امینی آذر
گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر، دانشگاه آزاد اسلامی واحد مهاباد، مهاباد- ایران
رسول فرحی
گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر،دانشگاه آزاد اسلامی واحد مهاباد، مهاباد- ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :