تشخیص بیماری سرطان دهانه رحم به کمک شبکه عصبی با جمع آوری داده ها به صورت برخط

پیشرفت فناوری در حوزه هوش مصنوعی و اینترنت اشیا باعث سرعت و دقت بالا در تشخیص بیماریها شده است. سیستمهای فناوری اطلاعات سلامت یکی از به روزترین زمینه های اخیر است که با بکارگیری هوش محاسباتی می تواند در تشخیص بیماریها کمک نماید. برای افزایش دقت و اطمینان بیشتر به این سیستمها، باید داده های ورودی را قبل از اعمال روشهای یادگیری ماشین پیش پردازش کرد. ما در این مقاله، علاوه بر روشهای پیش پردازش معمول، برای مدیریت داده های از دست رفته و متعادل سازی داده های دسته های مختلف مدلی پیشنهاد کردیم. همچنین جهت ارزیابی مدل پیشنهادی از چندین شبکه یادگیری ماشین استفاده شده است. نتایج پیاده سازی ها بر روی داده های پایگاه داده UCI مربوط به تشخیص سرطان رحم نشان می دهند که با کاربرد این مدل، اجرای شبکه رایجی مانند SVM به راحتی به دقت ۹۸ درصد می رسد. همچنین بهترین عملکرد در هر دو حالت (بدون متوازن سازی و با متوازن سازی) متعلق به شبکه XGBoost بوده است. علاوه بر این یک برنامه کاربردی طراحی شده که قابلیت ارسال اطلاعات بیمار به پزشک را دارد و به پزشک در حفظ امنیت و در دسترس بودن اطلاعات کمک می کند.

کلیدواژه ها:

داده از دست رفته ، متعادل سازی داده ، شبکه عصبی مصنوعی ، یادگیری عمیق