سید سعید اعزاز - دانشجوی کارشناسی ارشد کامپیوتر دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران
محمد منصور ریاحی کاشانی - عضو هییت علمی دانشگاه آزاد اسلامی واحد تهران شمال، گروه کامپیوتر و برق، تهران، ایران
علیرضا باقری - عضو هییت علمی دانشگاه آزاد اسلامی واحد تهران شمال، گروه کامپیوتر ، تهران،

هدف: در سال های اخیر بیماری نارسایی کلیه در جهان روند روبه رشدی پیدا کرده است. متاسفانه این بیماری هیچ علایم و نشانه ای نداشته و با گذشت زمان به آرامی پیشرفته میکند و در صورت تشخیص دیرهنگام این بیماری، شخص مبتلا مجبور به انجام دیالیز و پیوند کلیه خواهد بود. از این رو تشخیص به موقع این بیماری به یکی از مسایل چالش برانگیز در این حوزه تبدیل شده است. در این مقاله سعی شده است با استفاده از الگوریتم داده کاوی و تکنیک انتخاب ویژگی های موثر، اقدام به تشخیص زود هنگام این بیماری نمود .روش: روش پیشنهادی شامل سه مرحله اساسی می باشد: در مرحله اول داده های گم شده مدیریت شده و برای ویژگی ها محدوده ای مجاز تعیین میشود. سپس با کمک الگوریتم ژنتیک ویژگی های موثر شناسایی و انتخاب میشوند و در مرحله دوم با استفاده از الگوریتم داده کاوی شبکه عصبی پرسپترون چند لایه، مدلی جهت تشخیص این بیماری ساخته می شود و درمرحله آخر نیز مدل با استفاده از روش اعتبارسنجی منقطع K لایه، اعتبارسنجی شده و سپس با استفاده از پنج معیار دقت، حساسیت، صحت، TP و FP مورد ارزیابی قرار می گیرد .یافته ها: الگوریتم ژنتیک از میان بیست و پنج ویژگی موجود در پایگاه داده ، چهارده ویژگی موثر را شناسایی و انتخاب نمود که بعد از اعمال الگوریتم شبکه عصبی پرسپترون چند لایه ، دقت 95/5 درصد جهت تشخیص این بیماری حاصل گردید. نتیجه گیری: در نهایت مشخص شد که روش پیشنهادی با دقت 99/5 درصد، بیشترین دقت را در تشخیص بیماری نارسایی کلیوی در بین روش های دیگر محققان کسب نموده است

داده کاوی، تشخیص نارسایی کلیوی، شبکه عصبی مصنوعی، ، الگوریتم ژنتیک