Prédiction précoce de la maladie rénale chronique à l'aide d'un réseau de croyance profond

La maladie rénale chronique (MRC) reste un problème de santé malgré les avancées dans les soins chirurgicaux et le traitement. La croissance de la MRC ces dernières années suscite un grand intérêt chez les chercheurs du monde entier pour développer des méthodes à haute performance pour le diagnostic, le traitement et la thérapie préventive. Une performance améliorée peut être réalisée en apprenant les caractéristiques liées au problème. En plus de l'examen clinique, l'analyse des données médicales des patients peut aider les partenaires de santé à prédire la maladie à un stade précoce. Bien qu'il y ait de nombreuses tentatives de construction de systèmes intelligents pour prédire la MRC par l'analyse des données de santé, la performance de ces systèmes nécessite encore des améliorations. Cet article propose un modèle de classification et de prédiction intelligent. Il utilise un réseau de croyance profond modifié (DBN) comme algorithme de classification pour prédire les maladies rénales et la fonction Softmax comme fonction d'activation ainsi que l'entropie croisée catégorique comme fonction de perte. L'évaluation du modèle proposé montre que le modèle peut prédire la MRC avec une précision de 98,5 % et une sensibilité de 87,5 % par rapport aux modèles existants. L'analyse des résultats prouve que l'utilisation de techniques avancées d'apprentissage en profondeur est bénéfique pour la prise de décision clinique et peut aider à la prédiction précoce de la MRC et de ses phases connexes qui réduisent la progression des dommages rénaux.