ارزیابی الگوریتم های یادگیری ماشین و شبکه های عصبی مصنوعی در تشخیص و طبقه بندی بیماری کبدی

کبد یک عضو گوارشی کمکی مهم می باشد که به عنوان دومین اندام بزرگ داخلی نقش مهمی در پاکسازی بدن از سموم دارد. در سال های اخیر آمار مرگ و میر ناشی از اختلالات کبدی به شدت افزایش یافته است. تشخیص به موقع این اختلالات می توان در پیشگیری و نیز کنترل و درمان آنها موثر واقع شود. هدف پژوهش حاضر تحلیل داده های کبدی به منظور تشخیص بیماری کبدی است. ما از داده های کبدی پایگاه UCI Mashine Learning با ۵۸۳ نمونه شامل ۱۱ ویژگی استفاده کردیم. برای طبقه بندی از رویکردهای مختلف یادگیری ماشین، شبکه های عصبی پرسپترون چندلایه و پیشخور و بازگشتی استفاده نمودیم. در انتها برای طبقه بندی از دو روش رایج طبقه بند ماشین بردار پشتیبان SVM و کی نزدیک ترین همسایگی KNN استفاده شد که در هر طبقه بند ۶ مدل مورد بررسی قرار گرفت. نتایج تجربی مطالعه حاضر نشان داد که طبقه بند KNN,SVM به ترتیب با درصد صحت ۷۵/۸ و ۷۵/۶ اختلالات کبدی را از سالم تفکیک کرد.

کلیدواژه ها:

تشخیص بیماری ، بیماری کبدی ، یادگیری ماشین ، طبقه بندی ، پردازش سیگنال