محبوبه مدنی - دانشجو کارشناسی ارشد، دانشکده مهندسی صنایع و سیستمها، دانشگاه صنعتی اصفهان
صبا صارمی نیا - استادیار، دانشکده مهندسی صنایع و سیستمها، دانشگاه صنعتی اصفهان

استفاده از تکنیکهای یادگیری ماشین در تشخیص تیروئید اهمیت قابل توجهی در زمینه تشخیص پزشکی دارد. بیماریهای تیروئید در سراسر جهان شایع هستند و تشخیص زودهنگام نقش مهمی در درمان و مدیریت موثر دارد. تکنیکهای یادگیری ماشین به متخصصان مراقبتهای بهداشتی قدرت میدهد تا بینشهای ارزشمندی را از حجم زیادی از داده های بیمار استخراج کنند و آنها را قادر میسازد الگوها، روندها و عوامل خطر بالقوه مرتبط با اختلالات تیروئید را شناسایی کنند. با استفاده از یادگیری ماشینی، متخصصان مراقبتهای بهداشتی میتوانند تصمیمات آگاهانه تری بگیرند که منجر به مداخله زودهنگام، برنامه های درمانی شخصی شده و در نهایت نتایج بهتر بیماران در حوزه بیماریهای تیروئید میشود. هدف از این مطالعه بررسی و تجزیه و تحلیل جامع ادبیات موجود در مورد روشهای مختلف یادگیری ماشین بهکاررفته در تشخیص و شناسایی بیماریهای مربوط به غده تیروئید میباشد. این مطالعه شامل مجموعه ای از ۳۰ مقاله است که بین سالهای ۲۰۱۳ و ۲۰۲۳ منتشر شده است. یافته های این تحقیق نشان میدهد که مطالعات در این زمینه در درجه اول بر تشخیص کمکاری تیروئید و پرکاری تیروئید با استفاده از تکنیکهای طبقه بندی تمرکز دارد. علاوه بر این، برخی از مطالعات با استفاده از روشهای یادگیری عمیق، گره ها، سرطان تیروئید و بیماری گواتر را تشخیص میدهند. استفاده از یادگیری عمیق در تشخیص تیروئید به عنوان یک ابزار قدرتمند در حوزه تصویربرداری و تشخیص پزشکی ظاهر شده است، مطالعات اخیر نتایج امیدوارکننده ای در افزایش دقت و کارایی تشخیص و طبقه بندی گره های تیروئید نشان داده شده است.

کم کاری تیروئید، پرکاری تیروئید، سرطان تیروئید، الگوهای داده کاوی، یادگیری ماشین، یادگیری عمیق