کلاس بندی بیماری های انسدادی ریوی با الگوریتم های یادگیری ماشین

بیماری های ریوی سومین علت مرگ و میر و ناتوانی در جهان است. به علت ماهیت مزمن این بیماری ها تشخیص زود هنگام از اهمیت بالایی برخوردار است. روند تفسیر نتایج تست های پزشکی بصورت دستی، زمان بر بوده و وابسته به فرد متخصص میباشد. بنابراین استفاده از الگوریتم های یادگیری ماشین میتواند در تجزیه و تحلیل داده های پزشکی کمک کننده باشد. در این مقاله بر اساس دادگان تشکیل یافته از نتایج تست اسپیرومتری، روشهای یادگیری ماشین مختلف با هدف شناسایی بهترین و موثرترین روش برای کلاسبندی بیماری های انسدادی بکار گرفته شد. پارامترهای مختلف هر مدل کلاسبند برای دست یافتن به بهترین دقت تنظیم شد. الگوریتم K همسایه نزدیک با ۹۲.۶۴ درصد دقت، ۸۸.۹۷ حساسیت و ۹۴.۴۸ تشخیص پذیری بهترین عملکرد را در بین دیگر روش ها داشته و برای کلاسبندی داده های مربوط به یک دسته از بیماری هایی که ویژگی هایی مشابه و نزدیک به هم دارند، کاربرد دارد .

کلیدواژه ها:

بیماریهای انسدادی ریوی ، الگوریتم های یادگیری ماشین ، کلاسبندی ، K نزدیک ترین همسایه.