محمدمهدی ارشادی - دانشجوی کارشناسی ارشد مهندسی صنایع؛گرایش سیستم های سلامت دانشگاه امیرکبیر؛
جابر قزلباش - دانشجوی کارشناسی ارشد مهندسی صنایع؛گرایش سیستم های سلامت دانشگاه امیرکبیر؛
سید حمیدرضا شهابی حقیقی - عضو هیئت علمی دانشکده صنایع و مدیریت دانشگاه امیرکبیر؛

بیماریهای کلیوی مزمن یکی از شایعترین و رو به رشدترین نوع بیماریهاست که تشخیص به موقع آن، شانس زنده ماندن و بهبود بهتر را افزایش میدهد. امروزه، با توجه به بانک های اطلاعاتی می توان از داده کاوی به طور گستردهای برای تشخیص استفاده کرد. با گسترش فناوری حجم زیادی از داده های مرتبط با مریضی های کلیوی و با ابعاد بالا تولید شده اند که استفاده از همه ی آنها علاوه بر مقرون به صرفه نبودن، حتی باعث کاهش دقت مدل تشخیصی نیز میگردد. در این بررسی، از ترکیب الگوریتم پوششی و روش ماشین بردار پشتیبان برای کاهش ویژگی استفاده شده است. بدین ترتیب که ابتدا زیرمجموعه هایی از ویژگی های تصادفی انتخابی به الگوریتم ماشین بردار پشتیبان فرستاده می شوند. سپس با توجه به دقت برآورد شده درنتیجه ی کار با آن ویژگی ها، ویژگی هایی که می توانند دقت بالاتری را ارائه دهند کنار گذاشته میشوند. سپس زیرمجموعه ی نهایی از ویژگی های انتخابی و تعداد آن، پس از توقف الگوریتم پوششی مشخص شده و از آن برای آموزش و ایجاد مدل دسته بندی کننده با الگوریتم ماشین بردار پشتیبان استفاده شد. در پایان روش ارائه شده ازنظر دقت، حساسیت، اختصاصیت روی داده های پایگاه اطلاعاتی یوسی آی ii مورد ارزیابی واقع گردید.

بیماری های مزمن کلیوی، داده کاوی، الگوریتم پوششی، الگوریتم ماشین بردار پشتیبان