توسعه شبکه های عصبی باور عمیق بر پایه یادگیری جمعی در تشخیص بیماری

امروزه بیماری های خطرناک مانند سرطان، دیابت، بیماری های قلبی و... به دلیل سبک زندگی روزبه روزدر حال افزایش است که به یکی از نگرانی های مردم و جامعه پزشکی تبدیل شده است. طبق گزارشسازمان بهداشت جهانی حدود ۱۷.۷ میلیون نفر به خاطر بیماری قلبی در سال ۲۰۱۶ فوت کردند کهحدود ۳۰ درصد از کل فوتی ها بوده است. یکی از موانع پایه ای در این بیماری ها کمبود روش های مناسببرای تشخیص به موقع و زود هنگام است. داده کاوی به عنوان یک تکنیک برای تشخیص سریع تر بیماریو دسته بندی بیماران به کار می رود. شبکه های عصبی باور عمیق یکی از شبکه های عمیق است که بهکارایی قابل توجهی در پیش بینی و طبقه بندی مسائل دست یافته است. شبکه های باور عمیق انتخابمناسبی هستند که کاربرد آنها شامل دو چالش عمده است: ۱ ) روش تنظیم وزن شبکه و بایاس ها و ( ۲ )تعداد لایه های پنهان و نورون ها. در روش پیشنهادی برای مقابله با این چالش ها از الگوریتم بهینه سازیکلونی زنبور عسل که قادر به جست وجو در فضای عمومی راه حل باشد، برای بهینه سازی شبکه عمیقاستفاده می کنیم. سپس برای افزایش دقت طبقه بندی از مدل یادگیری جمعی Bagging استفاده شدهاست. نتایج به دست آمده از آزمایش ها نشان می دهد که روش پیشنهادی دارای عملکرد طبقه بندی بسیارخوبی در تشخیص سه مجموعه داده دیابت، سرطان سینه و بیماری قلب می باشد

کلیدواژه ها:

شبکه باورعمیق ، یادگیری جمعی ، تشخیص بیماری ، الگوریتم کلونیزنبور عسل ، طبقه بندی