|
Title
|
تشخیص بیماری مزمن کلیوی با استفاده از یادگیرنده های گروهی و انتخاب ویژگی های موثر مبتنی بر الگوریتم های فراابتکاری
|
|
Type of Research
|
Thesis
|
|
Keywords
|
بیماری مزمن کلیوی، پیش بینی، تشخیص بیماری، داده کاوی، یادگیری ماشین، انتخاب ویژگی، الگوریتم های فراابتکاری، یادگیری گروهی
|
|
Abstract
|
بیماری مزمن کلیه (CKD) که به عنوان بیماری مزمن کلیوی نیز شناخته می شود، عملکرد غیرطبیعی کلیه یا نارسایی پیش رونده عملکرد کلیه در طی چند ماه یا چند سال است. اغلب، بیماری مزمن کلیوی در نتیجه غربالگری افرادی که در معرض خطر مشکلات کلیوی هستند، مانند افرادی که فشار خون بالا یا دیابت دارند و کسانی که خویشاوند خونی مبتلا به بیماری مزمن کلیوی دارند، تشخیص داده می شود. در این بیماری، کلیه شخص به درستی کار نمی کند و مانند کلیه طبیعی و سالم نمی تواند خون را تصفیه کند و علائم آن به تدریج ایجاد می شود. این بیماری در اکثر کشور ها به یک بیماری شایع تبدیل شده است و تقریباً 10 درصد از بزرگ سالان در سراسر جهان تحت تأثیر نوعی بیماری مزمن کلیوی هستند، بطوریکه تخمین زده می شود تا سال 2040، بیماری مزمن کلیوی به پنجمین علت مرگ و میر در جهان تبدیل شود. اگر این بیماری به مراحل نهایی برسد، هیچ درمانی برای آن وجود ندارد و تنها راه زنده ماندن، دیالیز یا پیوند کلیه است که خود فرآیندی زمان بر و پر هزینه خواهد بود. بنابراین تشخیص زودهنگام بیماری مزمن کلیه می تواند به پیشرفت چشمگیری در درمان این بیماری منجر شود. به دلیل پیچیدگی و مبهم بودن داده های ایجادشده توسط تراکنش های مراقبت های بهداشتی، تجزیه وتحلیل آن ها با ابزار های سنتی غیرممکن است. به منظور آسان تر و قابل اعتماد کردن فرآیند تصمیم گیری و تشخیص زودهنگام بیماری ها، روش های داده کاوی و یادگیری ماشین برای تبدیل این داده ها به اطلاعات مفید ارائه می شود و به دست آوردن نتایج و الگوهای مفید از این حجم عظیم داده را امکان پذیر می سازد.
|
|
Researchers
|
(Student)، Mahdi Hashemzadeh (Primary Advisor)، Amin Golzari Oskouei (Advisor)
|