نویسنده : لاله حسين پور

دانشكده : دانشکده تحصیلات تکمیلی و مجتمع فنی

رشته/گرایش تحصيلي : مهندسي كامپيوتر- نرم افزار

استاد راهنما (استاد مدعو) : , محمدرضا يمقاني,

چكيده : چکیده بیماری مزمن کلیوی (CKD) یک مرض پنهان است. پیش¬بینی دقیق پیشرفت CKD در طول زمان، برای کاهش نرخ مرگ و میر و هزینه¬های ناشی از آن، امری ضروری به حساب می¬آید. در این مقاله، یک سیستم استنتاج نور و فازی انطباقی (ANFIS) برای پیش¬بینی قاب زمانی نارسایی کلیوی مربوط به داده-های کلینیکی واقعی پیشنهاد شده است. در این مقاله از رکورد های کلینیکی ده سالۀ بیمارانی که اخیراً CKD در آنها تشخیص داده شده است، استفاده می شود. از مقدار آستانۀ 15 (cc/kg/min/1.73m2) از نرخ فیلتراسیون گلومرولی (GFR) به عنوان نشانگری برای اختلال کلیوی استفاده می شود. در ضمن برای پیش بینی مقادیر نیز از نوعی مدل ANFIS تاکاگی- سوگنو استفاده می شود. در ابتدای کار، متغیر هایی مانند سن، جنسیت، وزن، بیماری پایه، فشار خون دیاستولی، کراتینین، کلسیوم، فسفر، اسید اوره، پروتئین ادراری و GFR برای پیش بینی مدل انتخاب می شوند. در پژوهش‌ ارائه شده، نتایج نشان می¬دهند که :وزن، فشار خون دیاستولی، دیابت به عنوان بیماری پایه و میزان GFR فعلی (GFR(t)) همبستگی شدیدی را با GFRs نشان داده و به عنوان ورودی های مدل انتخاب می شوند. با مقایسۀ مقادیر پیش بینی شده با داده های واقعی می توان گفت که مدل ANFIS قادر به تخمین دقیق تغییرات GFR در تمام دوره های متوالی است (خطای مطلق میانگین نرمال کمتر از 4%). علیرغم ابهامات زیاد بدن انسان و ماهیت پویای پیشرفت CKD، مدل ما می تواند به طور دقیق میزان تغییرات GFR را در دوره های آتی بلند مدت پیش بینی کند. کلمات کلیدی: بیماری مزمن کلیوی، غربالگری، میزان فیلتراسیون گلومرولی، نارسایی کلیوی، مرحله نهایی بیماری کلیوی.

تاريخ دفاع : 1395-11-28