دانشگاه آزاد اسلامی سبزوار - جستجو در پایان‌نامه‌ها

پایان‌نامه‌ی کارشناسی ارشد: محمد خسروجردی، ۱۳۹۶

بهبود پیش بینی بیماری مزمن کلیوی با استفاده از شبکه عصبی پرسپترون چندلایه

عملکرد اصلی کلیه ها حذف زباله های بیش از حد بدن می باشد که از طریق ادرار از بدن دفع می شود یدین ترتیب مشکلات کلیوی به آرامی و قبل از ایجاد هر گونه شکایت رخ می دهد و زمانی آشکار خواهند شد که بخش اعظمی از کلیه نابود و همینطور عملکرد آن بسیار پایین آمده است. در این حالت زمان جبران نیز از بین رفته است. و تنها راه برای ادامه مسیر باید از روش های درمانی مانند دیالیز و یا پیوند کلیه بهره ببرد.هدف از این مطالعه ارائه مدلی غربالگر برای پیش بینی احتمال ابتلا به بیماری کلیه با استفاده از سوابق پزشکی فردی و خانوادگی است.که با استفاده ازآن بتوان افراد پرخطری مانند افراد دیابتی و دارای فشار خون که زمینه پررنگ تری برای درگیری با این بیماری را دارند سریع تر شناسایی نمود تا بجای طب درمانی با استفاده از طب پیشگیری از وقوع بیماری جلوگیری نمود.برای این منظور در این پژوهش از توانایی علم داده کاوی استفاده شده است.از سیستم طبقه بند چندگانه که شامل روش های شبکه عصبی پرسپترون چندلایه و شبکه عصبی بهبود یافته با ژنتیک می باشد, بهره مند شده است.در این پژوهش از پایگاه داده UCI بیماران مزمن کلیوی در بیمارستانی در هند استفاده شده است. داده ها به منظور پیش بینی بیماری مزمن کلیوی آنالیز شده و پارامترهای Accuracy , Sensitivity و Specificity و مقدار خطای موجود در پیش بینی بیماری با استفاده از نرم افزار متلب و weka محاسبه شده است.دقت و صحت پیش بینی مدل های شبکه عصبی دولایه،شبکه عصبی سه لایه و شبکه عصبی بهبود یافته با ژنتیک به ترتیب برابر با مقادیر 11/97،2/99 و94 درصد نشان دهنده ی موفقیت مدل ها برای پیش بینی میزان احتمال درگیری با بیماری مزمن کلیوی است.

کلیدواژه‌ها: شبکه عصبی چندلایه، سیستم طبقه بند چندگانه، Specificity، Accuracy , Sensitivity

M.A. Thesis:

Improve Prediction of Chronic Kidney Disease using Artificial Neural Network Multilayers Perceptron

The main function of the kidneys is the removal of excess waste of body from the body, which is removed from the body through the urine thus the kidney failure happens slowly, before any complaints. The Chronic kidney disease will become obvious when a large part of the kidney is destroyed and its function decrease. Hereon, also the recovery time is lost. The only way to continue and survive, is to use therapies such as dialysis or kidney transplant. The purpose of this study is to provide a screening model for predicting the risk of kidney disease using personal and familial medical records. By using this condition, you can recognize and detect High-risk individuals such as diabetics and hypertension who have the more significant background for suffering this disease will identify more quickly to detection the use of preventative medicine rather than medical treatment. For this purpose, in this study, the ability of data mining science It is used in a multiple classification system that includes multilayered perceptron method, and improved neural network with genetics. Also, in this study, the UCI database of chronic renal patients was used at a hospital in India. The data are analyzed for prediction of chronic kidney disease. The accuracy, sensitivity and specificity parameters and the size of error in the prediction of the disease are calculated using MATLAB and weka software. Accuracy of prediction of two-layer neural network models, three-layer neural network and the improved genetic neural network are 97.11 ,99.2 and 94 percent respectively that indicative predictive models success to predict the likelihood of involvement to chronic kidney disease.

Keywords: Artificial Neural Network,multiple classifiaction system