تعیین پارامترهای منطق فازی با بکارگیری الگوریتم ژنتیک برای تشخیص بیماری کبد
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 185
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHBMI-5-3_006
تاریخ نمایه سازی: 9 مرداد 1403
چکیده مقاله:
مقدمه: بیماری کبد یکی از شایع ترین مشکلات مزمن کبدی و سیروز می باشد. مشکلات کبدی شامل طیف وسیعی از بیماری ها و نارسایی هایی هستند که به بافت کبد یا عملکرد آن آسیب می رسانند. تشخیص زودهنگام و درمان این بیماری می تواند مرگ و میر و درجه بیماری را کاهش دهد.
روش: این مطالعه از نوع توصیفی-تحلیلی است. پایگاه داده آن شامل ۵۸۳ رکورد مستقل شامل ۱۱ ویژگی موجود در پایگاه داده یادگیری ماشین UCI می باشد. در این مقاله با استفاده از منطق فازی که پارامترهای آن با الگوریتم ژنتیک تعیین می شوند روشی برای تشخیص بیماری کبد پیشنهاد شد. برای این منظور، ابتدا ویژگی های مجموعه داده با استفاده از ویژگی آنتروپی رتبه بندی شد و سپس بهینه سازی داده های مجموعه داده با استفاده از الگوریتم ژنتیک انجام گرفت. در نهایت بیماری کبد با استفاده از سیستم استنتاج فازی genfis۲ و genfis۳ تشخیص داده شد.
نتایج: نتایج نشان داد که دقت تشخیص بیماری کبد با استفاده از سیستم استنتاج فازی genfis۲ با هشت ویژگی برابر با ۶۶/۹۱ درصد است و با سیستم استنتاج فازی genfis۳ با شش ویژگی برابر با ۸۹/۸۷ درصد است و همچنین خطای genfis۲ و genfis۳ به ترتیب برابر با ۰/۰۳۴ کمتر ۰/۰۴۷ است.
نتیجه گیری: بیماری کبد یکی از شایع ترین بیماری ها در بین افراد جامعه است. تشخیص به موقع بیماری ضمن کاهش هزینه ها، می تواند شانس درمان موفقیت آمیز بیمار را افزایش دهد. با توجه به نتایج به دست آمده، مشاهده شد که مدل پیشنهادی با دقت نسبتا بالایی، افراد مبتلا به بیماری کبد را تشخیص داد.
کلیدواژه ها:
نویسندگان
مریم رضایی فرخ زاد
کارشناسی ارشد مهندسی کامپیوتر ، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد ارومیه، ارومیه، ایران
فرهاد سلیمانیان قره چپق
Ph.D., in Computer Engineering, Assistant Professor, Computer Engineering Dept., Islamic Azad University, Urmia Branch, Urmia, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :