برنامه نویسی ژنتیک چند منظوره جهت تشخیص به موقع بیماری سکته مغزی

سکته مغزی دومین علت اصلی مرگ و میر در جهان است. این بیماری ۱۱ درصد از کل مرگ و میرها را به خود اختصاص می دهد. سکته مغزی یک فوریت پزشکی است که درصورت عدم تشخیص و درمان فوری می تواند باعث آسیب دائمی عصبی، ایجاد عوارض وحتی مرگ شود. اما چالش مهم در تشخیص این بیماری طبقه بندی مجموعه داده با ابعاد بالا است. در این مطالعه برای طبقه بندی مجموعه داده با ابعاد بالا، از روش های کاهش ابعاد به طور خاص استخراج ویژگی تحلیل مولفه اصلی ( PCA )، تحلیل تفکیک اصلی ( LDA )، الگوریتم رقابت استعماری ( ICA) و الگوریتم برنامه نویسی ژنتیک چند منظوره ( MOGP ) به خدمت گرفته شد. به منظور پیاده سازی الگوریتم از امکانات و ابزارهای نرم افراز MATLAB استفاده گردید. از مجموعه داده ۴۵۰ بیمار با ۱۲ ویژگی استفاده شده است. معیارهای AUC و دقت به منظور دستیابی در مرحله آزمون الگوریتم ها مورد استفاده قرارگرفت. بر اساس معیارها AUC و دقت بهترین عملکرد الگوریتم های چهارگانه این مطالعه در جهت تشخیص سریع و موثرتر در مواجهه با مجموعه داده سکته مغزی مربوط به الگوریتم برنامه نویسی ژنتیک چند منظوره است.

کلیدواژه ها:

استخراج ویژگی ، برنامه نویسی ژنتیک چند منظوره ، طبقه بندی