TY -的A2 Abd El-Latif艾哈迈德·a . AU - Alsuhibany Suliman a . AU - Abdel-Khalek赛义德盟——Algarni阿里盟——Fayomi艾莎AU -古普塔,迪帕克AU -库马尔,Vinay AU -曼苏尔,吉普赛人f . PY - 2021 DA - 2021/12/27 TI -合奏深度学习的临床决策支持系统慢性肾脏疾病诊断医疗物联网环境中SP - 4931450六世- 2021 AB -最近,物联网(物联网)和云计算环境成为普遍采用在几个医疗应用程序的集成监控诸如传感器和医疗设备远程病人观察。改善医疗保健服务的主张,所产生的巨大数量的数据来自药用领域的物联网产品可以调查CC环境而不是依靠有限的处理和存储资源。同时,慢性肾脏疾病(CKD)的早期识别变得显著降低死亡率的关键。本研究发展一个基于深度学习的临床决策支持系统(EDL-CDSS)慢性肾病诊断在物联网环境中。EDL-CDSS技术的目标检测和分类的不同阶段CKD使用医疗物联网设备采集的数据和基准库。此外,EDL-CDSS技术涉及的设计自适应合成(ADASYN)技术孤立点检测的过程。此外,合奏的三种模式,即深度信念网(DBN),内核极端学习机(凯尔姆经常),和卷积神经网络与封闭的复发性单位(CNN-GRU)。最后,quasi-oppositional蝴蝶优化算法(QOBOA)用于hyperparameter DBN的调优和CNN-GRU模型。广泛的模拟和研究结果进行了不同的措施。简要分析结果突出显示的霸权EDL-CDSS技术在退出方法。 SN - 1687-5265 UR - https://doi.org/10.1155/2021/4931450 DO - 10.1155/2021/4931450 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -