ائه یک روش تشخیص بیماری مزمن کلیوی با بهره گیری از الگوریتم های SHAP و XGBoost
- سال انتشار: 1401
- محل انتشار: اولین کنفرانس هوش مصنوعی و پردازش هوشمند
- کد COI اختصاصی: AISC01_053
- زبان مقاله: فارسی
- تعداد مشاهده: 975
نویسندگان
دانشجوی کارشناسی دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان
دانشکده مهندسی کامپیوتر، دانشگاه صنعتی امیرکبیر
استادیار دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان
چکیده
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 کردکلیدواژه ها
هوش مصنوعی، یادگیری ماشین، تشخیص پزشکی، بیماری مزمن کلیویمقالات مرتبط جدید
- شناسایی ویژگی های سازمان پیشرو در به کارگیری هوش مصنوعی
- قراردادهای هوشمند تجاری در متاورس با هدف خودکارسازی فرآیند تجارت
- Artificial Intelligence-Enhanced Repair Strategies in Online Collaborative EFL Classrooms: Toward a New Paradigm of Interactional Competence
- تاثیر هوش مصنوعی بر کارایی عملیات نظامی اوکراین علیه روسیه
- ارزیابی استرس و اضطراب با استفاده از پردازش سیگنال های مغزی و مدل های یادگیری ماشین
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.