10418

ارائه يك روش جديد براي پيش بيني نوع سنگ كليه با استفاده از يادگيري گروهي

1397

جناب دكتر مينايي

نرخ بالاي ابتلا به بيماري سنگ كليه كه باعث مرگ خاموش بيماران مي شود، يكي از مسائل اساسي در سيستم هاي مراقبت بهداشتي در جهان به شمار مي آيد. تكنيك هاي پيشرفته داده كاوي مانند رده بندي مي توانند كمك شاياني در زمينه پيش بيني اوليه بيماري داشته باشند و باعث كاهش مرگ و مير و هزينه هاي درماني اين بيماري شوند. هدف از اين مطالعه يافتن مدلي براي تشخيص زودهنگام نوع سنگ كليه و موثرترين پارامترها جهت ارائه يك سيستم تصميم گيرنده است. اطلاعات مربوط به 936 بيمار مبتلا به سنگ كليه، از مركز كليه بيمارستان رازي از سال 2012 تا 2016 جمع آوري شد كه داراي 42 ويژگي بودند و پيش پردازش، براي بدست آوردن ويژگي هاي كارآمد انجام شد. ديتاي جمع آوري شده با استفاده نرم افزار WEKA آناليز شد و مدل هاي مختلفي از داده كاوي بر روي آنها اعمال شد تا يك مدل پيش بيني كننده ارائه شود. الگوريتم هاي مختلف داده كاوي مانند Bayesian، درخت تصميم، شبكه هاي عصبي و روشهاي مبتني بر قاعده در اين مدلها استفاده شده است. همچنين از 4 روش يادگيري گروهي، براي بهبود دقت الگوريتم يادگيري استفاده شد. در اين روش، براي هر classifier يك وزن بر اساس الگوريتم ژنتيك مشخص شد. الگوي توليد شده با استفاده از تكنيك 10-fold cross validation مورد بررسي و ارزيابي قرار گرفت. با توجه به مدل هاي اعمال شده، پارامترهاي جنسيت، ميزان اسيد اوريك، كلسيم، فشار خون بالا، ديابت، تهوع و استفراغ، درد كمر و عفونت مجاري ادراري، مهمترين پارامترهاي احتمالي ايجاد سنگ كليه بودند. مدل مبتني بر يادگيري گروهي ارائه شده (با دقت 97.1٪) كارآمد بود و مي تواند در مطالعات آينده براي پيش بيني احتمال ابتلا به سنگ كليه مورد استفاده قرار گيرد. اين مدل راه جديدي براي مطالعه بيماري سنگ كليه با در نظر گرفتن تعاملات پيچيده بين متغيرهاي بيولوژيكي مختلف فراهم مي كند و باعث تسريع در شناسايي زودرس و كاهش زمان تشخيص مي شود.

1/17/2022 12:00:00 AM

73852

1400/11/06

A novel method for predicting kidney stone type using ensemblelearning

بيماري كليه , داده كاوي , رده بندي , يادگيري گروهي , سنگ كليه