ائه یک روش تشخیص بیماری مزمن کلیوی با بهره گیری از الگوریتم های SHAP و XGBoost
محل انتشار: اولین کنفرانس هوش مصنوعی و پردازش هوشمند
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 559
فایل این مقاله در 11 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISC01_053
تاریخ نمایه سازی: 16 آبان 1401
چکیده مقاله:
بیماری مزمن کلیوی یکی از عوامل مهم مرگ و میر در جهان است. پیش بینی و پیشگیری از این امر ضرورت اساسی برای بهبود بهداشت و درمان می باشد. لذا برای این پیش بینی باید از الگوریتم ها و مدل هایی بهره برد که دارای کمترین خطا و بیشترین دقت و اطمینان باشند. یادگیری ماشین زمانی که در مراقبت های بهداشتی بکار می رود قادر به تشخیص زود هنگام و دقیق بیماری است. تشخیص بیماری از روی ویژگی های مختلف و جلوگیری از تشدید بیماری یکی از مهم ترین کاربردهای داده کاوی و کشف دانش در بیماران کلیوی است. در این مقاله سعی شده است با ارائه روشی تفسیرپذیر و دقیق و مقایسه آن با روش های پیشین، بیماری مزمن کلیوی را تشخیص و مهم ترین ویژگی های تاثیرگذار در این بیماری را توسط مدل تعیین کرد. بدین منظور از الگوریتم XGBoost به منظور پیش بینی بیماری مزمن کلیوی استفاده شده است و خروجی مدل با استفاده از الگوریتم SHAP تفسیر شده است. از مزایای روش پیشنهادی، می توان به کارایی و دقت بالا و تفسیرپذیری خروجی ها اشاره کرد
کلیدواژه ها:
نویسندگان
مرضیه حسینی
دانشجوی کارشناسی دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان
حمید نصیری
دانشکده مهندسی کامپیوتر، دانشگاه صنعتی امیرکبیر
سمانه امامی
استادیار دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان