تشخیص بیماری بروسلوزیس در شهرستان رفسنجان با استفاده از شبکه های عصبی مصنوعی آتوانکو در عمیق

مقدمه: بیماری تب مالت (بروسلوزیس) یکی از مهم ترین بیماری های عفونی مشترک بین انسان و دام محسوب می شود. با توجه به اندمیک بودن تب مالت و وجود گزارش های متعددی از موارد انسانی و حیوانی آن، میزان شیوع تب مالت انسانی در شهرستان رفسنجان در طول ۳ سال (۹۷-۱۳۹۵) تعیین گردید. هدف از این مطالعه یافتن یک تطابق و همسان سازی روشی خودکار و هوشمندانه با حساسیت کم بر مبنای شبکه عصبی است، که قادر به تشخیص دقیق تب مالت باشد. روش: در این مطالعه توصیفی-تحلیلی موارد بروسلوز انسانی بر اساس شاخص های جنس، سن، بارداری، سابقه تماس با دام و استفاده از مواد غیر پاستوریزه لبنی، پارامترهای آزمایشگاهی Wright و ۲ME در طول ۳ سال از شهرستان رفسنجان واقع در جنوب ایران تحلیل شد. داده ها به دو زیر مجموعه آموزش (۸۰%) و آزمون (۲۰%) تقسیم شدند. از روش شبکه عصبی مصنوعی آتوانکو در عمیق برای آموزش هر زیر مجموعه استفاده شد. نتایج: روش آتوانکو در عمیق به صحت ۹۰/۸۴% حساسیت ۹۴/۶۱% و ویژگی ۵۰ % در پیش بینی موارد بیماری بروسلوزیس در مجموعه داده های آزمون دست یافت، نتایج تجربی، عملکرد دقیق شبکه عصبی را در تشخیص بیماری بروسلوز نشان داد. نتیجه گیری: مدل شبکه عصبی مصنوعی عمیق می تواند به عنوان یک روش کارآمد و هوشمند برای تشخیص موارد بروسلوز انسانی به کار گرفته شود. با این حال مطالعه و پژوهش های بیشتری برای طراحی مدل های دیگر از شبکه های عصبی مصنوعی بر اساس یادگیری عمیق جهت تشخیص سایر بیمارهای عفونی مورد نیاز است.

کلیدواژه ها:

Human Brucellosis ، Rafsanjan ، Artificial neural network ، Deep auto-encoder method ، بروسلوز انسانی ، رفسنجان ، شبکه عصبی مصنوعی ، روش خودرمزنگار عمیق ، تشخیص