基于深度神经网络的慢性肾病预测
图像与视频处理
2020-12-23 v1 计算机视觉与模式识别
机器学习
摘要
深度神经网络（DNN）正成为机器学习研究的焦点。其应用正渗透到不同领域并解决错综复杂的问题。DNN现已被应用于医学图像处理以检测癌症和糖尿病等多种疾病。另一种威胁我们健康的疾病是肾脏疾病。由于摄入的物质与元素，该疾病正变得普遍。若无至少一个 functioning 的肾脏，数日内死亡在所难免且不可避免。忽视肾功能障碍可导致慢性肾病（CKD）并致死。通常，慢性肾病（CKD）及其症状轻微且渐进，常多年未被察觉，直至晚期才被发现。尼日利亚约贝州的 Bade 地方政府因 CKD 高发而备受医疗从业者关注。遗憾的是，迄今尚未有遏制该疾病的技术手段。我们从 Bade 综合医院获取了 400 名患者、含 10 个属性的记录作为数据集。我们使用 DNN 模型预测患者是否存在 CKD。该模型准确率达 98%。此外，我们识别并强调了特征重要性，以提供用于 CKD 预测的特征排序。结果表明，肌酐（Creatinine）和碳酸氢盐（Bicarbonate）两个属性对 CKD 预测影响最大。
引用
@article{arxiv.2012.12089,
title = {Prediction of Chronic Kidney Disease Using Deep Neural Network},
author = {Iliyas Ibrahim Iliyas and Isah Rambo Saidu and Ali Baba Dauda and Suleiman Tasiu},
journal= {arXiv preprint arXiv:2012.12089},
year = {2020}
}
备注
14 paages