ارائه رویکردی مبتنی بر شبکه عصبی مصنوعی جهت بهبود طبقه بندی بیماری های دو کلاسه

امروزه مجهز شدن علم پزشکی به ابزارهای هوشمند می تواند کمک شایانی در بهبود تشخیص بیماری ها و کاهش اشتباهات پزشکان و خسارات جانی دهد. از طرفی حجم زیاد داده ها جهت به دست آوردن روابط موجود بین عوامل تاثیرگذار در بیماری ها مانع از رسیدن به نتایج دقیق و سریع در تشخیص می شود. در این مقاله سعی داریم با استفاده از شبکه های عصبی مصنوعی که یکی از روش های مورد استفاده در تشخیص بیماری ها می باشد، ضمن به کارگیری الگوریتم های یادگیری شبکه عصبی پرسپترون چند لایه، به بهترین زمان اجرا با عدم تخریب دقت و حساسیت دست یابیم . برای این منظور از اعتبارسنجی متقابل، جهت مطمئن بودن از اعتبار نتایج استفاده نموده و همچنین با تغییر ضریب یادگیری، سعی در بهبود سرعت شبکه عصبی خواهیم داشت. در پایان، مقایسه نتایج روش پیشنهادی با روش های پایه طبقه بندی مثل ماشین بردار پشتیبانی و شبکه عصبی بنیادی، حاکی از مناسبتر بودن الگوریتم پیشنهادی از حیث سرعت و دقت تشخیص خواهد بود.

کلیدواژه ها:

شبکه عصبی مصنوعی ، طبقه بندی ، تشخیص بیماریهای قلبی