مروری بر روش های تشخیص و پیش بینی بیماری های مزمن کلیوی با استفاده از تکنیک های داده کاوی
رشد چشم گیر بیماری کلیوی، اثرات و عوارض آنها و هزینه هایی که بر جامعه وارد می شود، باعث شده است که جامعه پزشکی به دنبال برنامه هایی برای پیش بینی و تشخیص زودهنگام این بیماری باشند. در سال های اخیر استفاده از تکنیک های داده کاوی در حوزه پزشکی از اهمیت بالایی برخوردار شده است. هدف از این مقاله مروری بر روش های مبتنی بر تکنیک های داده کاوی به منظور پیش بینی بیماری های مزمن کلیوی می باشد. در این مقاله قصد بر آن بوده تا جامعی از بیمارهای مزمن کلیوی، روش های تشخیص در حوزه پزشکی را گردآوری و بررسی نمود. بدین جهت در ابتدا بیمارهای مزمن کلیوی بررسی شده و پیرو این بررسی به بحث و تحلیل حوزه تشخیص زود هنگام این بیماری ها خواهیم پرداخت. در ادامه انواع الگوریتم های داده کاوی در تشخیص بیماری های مزمن کلیوی را معرفی خواهیم کرد. پس از آن به بحث در ارتباط با روش های تشخیص و پیش بینی بیمارهای مزمن کلیوی خواهیم پرداخت و این روش ها را از نظر اهداف، محدودیت ها و قابلیت ها نقد و بررسی خواهیم کرد. در این مقاله برای پیش بینی بیماری نارسایی کلیه دیدگاه های مختلف که عبارتند از: انتخاب ویژگی، روش طبقه بندی، ابزارهای استفاده شده، مورد بررسی قرار می گیرند، که با تحلیل الگوریتم های طبقه بندی نشان می دهیم استفاده از الگوریتم جنگل تصادفی، الگوریتم k- نزدیک ترین همسایه و الگوریتم بردار پشتیبان به همراه روش های انتخاب ویژگی می توانند نقش موثری در پیش بینی بیماری نارسایی کلیه داشته باشند. همچنین نتایج گویای این است که که پایگاه داده UCI و ابزار MATLAB بیشترین کاربرد را در تشخیص و پیش بینی بیماری های مزمن کلیوی دارند.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.