AU - Eskandari, Farzad TI - The modeling of body's immune system using Bayesian Networks PT - JOURNAL ARTICLE TA - nbr JN - nbr VO - 5 VI - 2 IP - 2 4099 - http://nbr.khu.ac.ir/article-1-2963-fa.html 4100 - http://nbr.khu.ac.ir/article-1-2963-fa.pdf SO - nbr 2 AB  - در این مقاله براساس الگوی شبکه­ های بيزی در ساختار مارکوفی و درختی، که يکی از الگوریتم‌های معروف در يادگيری ماشين است، به مطالعۀ عفونت ادراری افراد، که يکی از علايم شايع در ضعف سیستم ایمنی بدن است، پرداخته شده است. در این مقاله یک نمونه در مقیاس بزرگ برای ارزیابی عمل­کرد الگوریتم شبکه­ های بیزی انجام شده است. در اين مطالعه 4052 نمونه از بانك اطلاعاتي مربوط به معاونت درمان دانشگاه علوم پزشكي قزوين- مركز بهداشت و درمان شهرستان تاكستان استخراج شد که هم آزمايش تحليل ادرار و هم آزمايش كشت ادرار داشتند. با توجه به اهداف مطالعه و با استفاده از نظر متخصص آزمايشگاه و متخصص ارولوژي 15 متغير انتخاب شد. متغير نوع عفونت ادراری به عنوان پاسخ و 14 متغير ورودی در مدل شبکۀ بيزی با الگوريتم ­های مختلف تحت بررسی قرار گرفتند. نتایج نشان می­دهد روش شبکۀ بيزی با ساختار درختی و انتخاب گام به گام متغيرها تقريباً بدون خطا برای 7/ 99 درصد از داده­های آموزشی، (75 درصد از کل داده­ها)، و 8/99 درصد داده­ های آزمايشی (25درصد از کل داده­ ها) دارای تشخیص درست است. براساس الگوی شبکه­ های بیزی، متغیرهای کمکی تأثیرگذار بر عفونت ادراری، افزایش باکتری­ها و کاهش گلبول­ های سفید خون در گروه­ های سنی مختلف به­ دست آمده است. نتایج این مطالعه در چارچوب یادگیری ماشین و سيستم­ های هوشمند، می­تواند برای تشخیص سریع این بیماری و درمان افراد مشکوک به این بیماری در سطح جامعه بدون حضور فيزيکی استفاده شود CP - IRAN IN - LG - eng PB - nbr PG - 205 PT - Original Article YR - 2018