تشخیص بیماری نارسایی کلیوی با استفاده از شبکه عصبی مصنوعی و رویکردی مبتنی بر الگوریتم ژنتیک
- سال انتشار: 1396
- محل انتشار: کنفرانس ملی پژوهش های نوین در برق، کامپیوتر و مهندسی پزشکی
- کد COI اختصاصی: KAUCEE01_165
- زبان مقاله: فارسی
- تعداد مشاهده: 1440
نویسندگان
دانشجوی کارشناسی ارشد کامپیوتر دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران
عضو هییت علمی دانشگاه آزاد اسلامی واحد تهران شمال، گروه کامپیوتر و برق، تهران، ایران
عضو هییت علمی دانشگاه آزاد اسلامی واحد تهران شمال، گروه کامپیوتر ، تهران،
چکیده
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 استکلیدواژه ها
داده کاوی، تشخیص نارسایی کلیوی، شبکه عصبی مصنوعی، ، الگوریتم ژنتیکمقالات مرتبط جدید
- ارزیابی و اعتباریابی استراتژیهای بازاریابی ویروسی در تویتر از طریق شبیه سازی اجتماعی مبتنی بر عامل
- کاربرد و نقش هوش مصنوعی در آموزش نوین
- جداسازی ناحیه سرطانی سینه از تصاویر ماموگرافی با استفاده از سگمنتیشن فازی
- تشخیص سرطان سینه با کمک مدل ترکیبی DWT و SVM
- ارایه روشی جدید در تشخیص پنهاننگاری با استفاده از آزمون اجرا در کدگذار LPC
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.