Prediction and Factors Affecting of Chronic Kidney Disease Diagnosis Using Artificial Neural Networks Model and Logistic Regression Model
| العنوان بلغة أخرى: |
التنبؤ والعوامل المؤثرة في تشخيص مرض الفشل الكلوي المزمن باستخدام أنموذج الشبكات العصبية الاصطناعية وأنموذج الانحدار اللوجستي |
|---|---|
| المصدر: | المجلة العراقية للعلوم الإحصائية |
| الناشر: | جامعة الموصل - كلية علوم الحاسوب والرياضيات |
| المؤلف الرئيسي: | Alshebly, Omar Qusay (Author) |
| مؤلفين آخرين: | Ahmed, Rizgar Maghdid (Co-Author) |
| المجلد/العدد: | ع28 |
| محكمة: | نعم |
| الدولة: |
العراق |
| التاريخ الميلادي: |
2019
|
| الصفحات: | 1 - 19 |
| ISSN: |
1680-855X |
| رقم MD: | 991042 |
| نوع المحتوى: | بحوث ومقالات |
| اللغة: | الإنجليزية |
| قواعد المعلومات: | EcoLink |
| مواضيع: | |
| كلمات المؤلف المفتاحية: |
Machine Learning | Logistic Regression | Artificial Neural Networks | Chronic Kidney Disease | Accuracy | Auc Roc
|
| رابط المحتوى: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
| المستخلص: |
شهدت السنوات القليلة الماضية اهتماماً كبيراً ومتزايداً في مجال تقنيات التصنيف الذكية التي تعتمد على تعلم الآلة. في الآونة الأخيرة، تم استخدام التعلم الآلة وهي واحدة من مجالات الذكاء الاصطناعي على نطاق واسع من أجل مساعدة الخبراء الطبيين والأطباء في التنبؤ بأمراض مختلفة وتشخيصها. في هذا البحث، قمنا بتطبيق اثنين من مختلف خوارزميات التعلم الآلي للمشكلة في مجال التشخيص الطبي وتحليل كفاءتهما في التنبؤ بالنتائج. إن المشكلة المختارة للدراسة هي التشخيص والعوامل المؤثرة في مرض الكلى المزمن. تتكون مجموعة البيانات المستخدمة في الدراسة من 153 حالة و11 سمة لمرضى الكلى المزمنة. إن الهدف من هذا البحث هو مقارنة أداء الشبكات العصبية الاصطناعية والانحدار اللوجستي على أساس معايير الدقة والحساسية والخصوصية والانتشار والمنطقة تحت المنحنى للتنبؤ بمرض الكلى المزمن. من النتائج التجريبية لوحظ أن أداء مصنف الشبكات العصبية الاصطناعية أفضل من أنموذج الانحدار اللوجستي مع ما يقارب دقة 84.44 % وحساسية %84.21 وخصوصية 84.61% والمساحة تحت المنحنى هي 84.41%. وكذلك من خلال النماذج النهائية القياسية فإن أهم العوامل المؤثرة التي لها تأثير واضح في دراستنا هذه في مرضى الكلى المزمنين هي الكرياتينين واليوريا. The last few years witnessed a great and increasing interest in the field of intelligent classification techniques which rely on Machine Learning. In recent times Machine Learning one of the areas in Artificial Intelligence has been widely used in order to assist medical experts and doctors in the prediction and diagnosis of different diseases. In this paper, we applied two different machine learning algorithms to a problem in the domain of medical diagnosis and analyzed their efficiency in prediction the results. The problem selected for the study is the diagnosis and factors affecting Chronic Kidney Disease. The dataset used for the study consists of 153 cases and 11 attributes of CKD patients. The objective of this research is to compare the performance of Artificial Neural Networks (ANNs) and Logistic Regression (LR) classifier on the basis of the following criteria: Accuracy, Sensitivity, Specificity, Prevalence, and Area under curve (ROC) for CKD prediction. From the experimental results, it is observed that the performance of ANNs classifier is better than the Logistic Regression model. With the accuracy of 84.44%, sensitivity of 84.21%, specificity of 84.61% and AUCROC of 84.41%. Also, through the final fitted models used, the most important factors that have a clear impact on chronic kidney disease patients are creatinine and urea. |
|---|---|
| ISSN: |
1680-855X |
عناصر مشابهة
-
Prediction of Chronic Kidney Diseases Using Artificial Neural Network
بواسطة: Benzrieg, Ashraf M. Saeid منشور: (2022) -
Determine of the Most Important Factors that Affect the Incidence of Heart Disease Using Logistic Regression Model: Applied Study in Erbil Hospital
بواسطة: Mohammed, Mohammed A. منشور: (2020) -
Predicting Construction labour Productivity Using Optimal Artificial Neural Network, Multiple Linear Regression Models: Comparative Study
بواسطة: الأعمر، حمزة محمد منشور: (2018) -
Using Multinomial Logistic Regression Model to Study Factors that Affect Chest Pain
بواسطة: صالح، سميرة محمد منشور: (2021) -
Using Multinomial Logistic Regression Model to Predict the Most Important Factors Affecting in the Students’ Selection for Specialization in Secondary Level for some Schools Erbil City
بواسطة: كيورك، لوسين عمانويل منشور: (2023)
