تابستان ۱۴۰۴ (مقالات در دست چاپ)
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
سید احمد موسوی نسب۱ 
، امین گلاب پور*۲ ، کمال میرزائی۳ ، احمد خسروی۴ ، مهین قربان صباغ۳
، امین گلاب پور*۲ ، کمال میرزائی۳ ، احمد خسروی۴ ، مهین قربان صباغ۳
۱- دانشجوی دکتری تخصّصی مهندس کامپیوتر، گروه مهندسی کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی، میبد، ایران
۲- استادیار انفورماتیک پزشکی، گروه مهندسی کامپیوتر، دانشکده پیراپزشکی، دانشگاه علوم‌پزشکی شاهرود، شاهرود، ایران ،a.golabpour@shmu.ac.ir
۳- استادیار مهندسی کامپیوتر، گروه مهندسی کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی، میبد، ایران
۴- استادیار انفورماتیک پزشکی، گروه مهندسی کامپیوتر، دانشکده پیراپزشکی، دانشگاه علوم‌پزشکی شاهرود، شاهرود، ایران
۲- استادیار انفورماتیک پزشکی، گروه مهندسی کامپیوتر، دانشکده پیراپزشکی، دانشگاه علوم‌پزشکی شاهرود، شاهرود، ایران ،
۳- استادیار مهندسی کامپیوتر، گروه مهندسی کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی، میبد، ایران
۴- استادیار انفورماتیک پزشکی، گروه مهندسی کامپیوتر، دانشکده پیراپزشکی، دانشگاه علوم‌پزشکی شاهرود، شاهرود، ایران
چکيده: (۲۳۲ مشاهده)
مقدمه: مدت بقای پیوند کلیه یکی از مهم‌ترین عوامل در تصمیم‌گیری برای انجام یا عدم انجام عمل پیوند کلیه است. هوش مصنوعی با توجه به توانمندی‌هایش می‌تواند یکی از روش‌های مناسب برای پیش‌بینی مدت بقای پیوند کلیه باشد. این مطالعه مروری با هدف بررسی عملکرد هوش مصنوعی در این حوزه طراحی شده است.
مواد و روش‌ها: در یک مطالعه مروری نظام‌مند با استفاده از ترکیب کلیدواژه‌های مسئله، تمام مقالات مرتبط با هوش مصنوعی در پیش‌بینی مدت بقای بیماران کلیوی از پایگاه‌های داده پابمد، اسکوپوس و WOS استخراج شدند. این مقالات ازنظر حجم نمونه، نوع الگوریتم و پارامترهای ارزیابی بررسی گردیدند. سپس، پارامترهای ارزیابی مقالات با یکدیگر مقایسه شدند و تعداد مقالاتی که از الگوریتم‌های جعبه سفید استفاده کرده‌اند، مشخص شدند و تعیین گردید که تا چه میزان هوش مصنوعی در مدت بقای پیوند کلیه مؤثر بوده است.
نتایج: در این مطالعه، 21 مقاله وارد بررسی شدند. حدود 45 درصد از این مقالات با استفاده از شبکه عصبی مصنوعی و الگوریتم‌های دسته‌بندی تجمّعی مسئله را حل و حدود 35 درصد از مقالات با استفاده از روش‌های رگرسیون، مدل پیش‌بینی را طراحی کرده‌اند. روش‌های رگرسیونی دقت کمتری نسبت به سایر روش‌ها داشته و الگوریتم‌های دسته‌بندی تجمّعی عملکرد بهتری نشان داده و به حسّاسیت و ویژگی بالای 90 درصد رسیده‌اند. همچنین، حدود 20 درصد از مقالات از روش‌های جعبه سفید استفاده کرده‌اند.
نتیجه‌گیری: این مطالعه نشان داد که کاربرد هوش مصنوعی در حوزه پیوند کلیه در حال رشد است و عملکرد بسیار مناسبی نسبت به روش‌های آماری دارد. بااین‌حال، نیاز به انجام مطالعات بیشتری با رویکرد استفاده از الگوریتم‌های جعبه سفید و بهینه‌سازی پارامترهای الگوریتم در این حوزه وجود دارد.
مواد و روش‌ها: در یک مطالعه مروری نظام‌مند با استفاده از ترکیب کلیدواژه‌های مسئله، تمام مقالات مرتبط با هوش مصنوعی در پیش‌بینی مدت بقای بیماران کلیوی از پایگاه‌های داده پابمد، اسکوپوس و WOS استخراج شدند. این مقالات ازنظر حجم نمونه، نوع الگوریتم و پارامترهای ارزیابی بررسی گردیدند. سپس، پارامترهای ارزیابی مقالات با یکدیگر مقایسه شدند و تعداد مقالاتی که از الگوریتم‌های جعبه سفید استفاده کرده‌اند، مشخص شدند و تعیین گردید که تا چه میزان هوش مصنوعی در مدت بقای پیوند کلیه مؤثر بوده است.
نتایج: در این مطالعه، 21 مقاله وارد بررسی شدند. حدود 45 درصد از این مقالات با استفاده از شبکه عصبی مصنوعی و الگوریتم‌های دسته‌بندی تجمّعی مسئله را حل و حدود 35 درصد از مقالات با استفاده از روش‌های رگرسیون، مدل پیش‌بینی را طراحی کرده‌اند. روش‌های رگرسیونی دقت کمتری نسبت به سایر روش‌ها داشته و الگوریتم‌های دسته‌بندی تجمّعی عملکرد بهتری نشان داده و به حسّاسیت و ویژگی بالای 90 درصد رسیده‌اند. همچنین، حدود 20 درصد از مقالات از روش‌های جعبه سفید استفاده کرده‌اند.
نتیجه‌گیری: این مطالعه نشان داد که کاربرد هوش مصنوعی در حوزه پیوند کلیه در حال رشد است و عملکرد بسیار مناسبی نسبت به روش‌های آماری دارد. بااین‌حال، نیاز به انجام مطالعات بیشتری با رویکرد استفاده از الگوریتم‌های جعبه سفید و بهینه‌سازی پارامترهای الگوریتم در این حوزه وجود دارد.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
