سیستم توصیه کننده پزشکی با استفاده از یادگیری تقویتی عمیق

سیستمهای پزشکی از جمله مهمترین حیاتی ترین ارکان اجتماع هستند که کارآمدی آنها می تواند منجر به سلامت و کارآمدی جامعه، افزایش رضایت از زندگی و پیشرفت جامعه بشود. در سیستمهای پزشکی نیاز به توصیه گری دارای جایگاه ویژه ای برای دست یافتن به سرویسهای باکیفیت حوزه سلامت است و نیاز به افزایش کارایی و بهبود ان همواره احساس میشود. در این پژوهش روشی برای سیستم توصیه کننده پزشکی با استفاده از یادگیری تقویتی عمیق ارایه شده که ضمن تقویت تواناییهای سیستم توصیهگر بتواند با نیازمندهای روز این حوزه همگام باشد. گامهای انجام پژوهش به این شرحبوده در بخش پیش پردازش، ابتدا داده های ورودی به سیستم، مورد پردازش اولیه قرار گرفته و اقدام به کاهش تعداد ابعاد داده های ورودی با روش PCA شده. در ادامه با استفاده از داده های آموزشی، اقدام به آموزش سیستم میکنیم. در مرحله بعد با استفاده از مدل یادگیرندهای که در بخش قبل ساختیم میتوانیم توصیه گری پزشکی با استفاده از یادگیری تقویتی عمیق را برحسب داده های ورودی، انجام داده و مشخص کنیم که عملکرد توصیه گری پزشکی با استفاده از یادگیری تقویتی عمیق چگونه بوده است. جهت سنجش روش پیشنهادی آن را به سه روش مطرح، مورد سنجش قرار دادیم و با بررسی حالات مختلف در نتایج آزمایشگاهی، مشخص شد که روش پیشنهادی امکان بهبود در نتایج سیستم توصیهگر پزشکی را فراهم نموده است.

کلیدواژه ها:

سیستم توصیه کننده پزشکی ، یادگیری تقویتی عمیق ، کاهش ابعاد ، الگوریتم PCA