بررسی و مدلسازی ریاضی تصفیه خون توسط کلیه و دستگاه دیالیز با هدف پیش بینی و پیشگیری بیماریهای کلیوی
محل انتشار: دومین سمپوزیوم بین المللی مهندسی محیط زیست
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,886
فایل این مقاله در 29 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISOEE02_134
تاریخ نمایه سازی: 30 شهریور 1388
چکیده مقاله:
در این مقاله برای اولین بار در جهان آلاینده های کلیه انسان با استفاده از سیستم شبکه عصبی مصنوعی، مدلسازی عددی شد تا به هدف تعیین شده با کمترین خطای موجود برسیم. اساس کار بر این بود که تا براساس مطالعه دقیق سیستم دستگاه کلیوی، تصفیه خون و دستگاه دیالیز به این روند برسیم. با توجه به اینکه ساختار کلیه و تصفیه خون با فرایند غشایی صورت می گیرد و کلیه انسان می تواند تا صددرصد فرایند تصفیه خون را انجام دهد پیش بینی فرایندی که بتوان بدون توجه به سن و سال افراد و حتی محدوده هایی که برای املاح و آلاینده های خون در نظر گرفته شده کار راحتی نبود. اما سیستم شبکه عصبی توانست به خوبی فرایند تصفیه خون را مدلسازی کند و بدون توجه به سن و سال افراد و حتی بدون در نظر گرفتن محدودیتهای آزمایشگاهی اشخاص سالم و ناسالم و محتاج به درمان به صورت دیالیز یا غیردیالیز را تشخیص دهد. با توجه به اینکه در نارسایی کلیه که به تدریج از آغاز بیماری تا مرحله حاد که منجر به دیالیز می شود فاکتورهای اوره، کرتینین ، آمونیاک ، پتاسیم و فسفر افزایش و کلسیم کاهش می یابد داده گیری روی این شش فاکتورانجام شد وشبکه عصبی با برنامه نرم افزاری «مطلب» به خوبی فرایند را با کمترین خطا و حتی نزدیک به صفر مدلسازی کرد تا فقط با وجود بیست و پنج نمونه خروجی سیستم شبکه عصبی به صورت تمام و کمال انتظارها را براورده کند.
نویسندگان
سیداحمد میرباقری
دانشیار دانشکده عمران دانشگاه صنعتی خواجه نصیرالدین طوسی
سیدامیرالدین صدرنژاد
استاد دانشکده عمران دانشگاه صنعتی خواجه نصیرالدین طوسی
چیا فولادی
دانش آموخته کارشناس ارشد عمران - محیط زیست دانشکده عمران دانشگاه خواج
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :