ارایه یک روش پیشنهادی در تشخیص بیماریها با کمک یادگیری عمیق و استفاده از درخت تصمیم و الگوریتم PSO

در این تحقیق، به بررسی کاربردهای یادگیری عمیق در تشخیص بیماری ها با استفاده از درخت تصمیم و الگوریتم بهینه سازی ازدحام ذرات (PSO) پرداخته شده است. سیستمهای تشخیص خودکار بیماری ها نقش حیاتی در بهبود تشخیص های پزشکی و کاهش خطاهای انسانی دارند. در این راستا، روش های مختلف یادگیری ماشین، به ویژه یادگیری عمیق، به عنوان ابزارهایی موثر برای شناسایی الگوهای پیچیده در دادههای پزشکی مورد توجه قرار گرفته اند. این مطالعه از ترکیب الگوریتم درخت تصمیم (Decision Tree) و PSO به عنوان یک رویکرد پیشنهادی استفاده میکند تا عملکرد سیستم های تشخیص بیماری بهبود یابد. در ابتدا، عملکرد درخت تصمیم به عنوان یک مدل یادگیری ماشین برای شناسایی بیماریها بررسی می شود. سپس، به منظور افزایش دقت مدل و بهینه سازی پارامترهای آن، الگوریتم PSO برای تنظیم بهینه پارامترهای درخت تصمیم به کار گرفته میشود. مق ایسه نتایج به دست آمده از روش ترکیبی با سایر روشهای شناخته شده مانند شبکه های عصبی مصنوعی (ANN) و سایر الگوریتم های بهینه سازی نشان می دهد که روش پیشنهادی دارای دقت باالتر و توانایی بیشتری در تشخیص صحیح بیماریها است. نتایج آزمایشات نشان میدهند که مدل تر کیبی یادگیری عمیق با درخت تصمیم و PSO نسبت به روشهای سنتی عملکرد بهتری داشته و قادر است دقت تشخیص بیماریها را افزایش دهد. این یافته ها نشان میدهند که رویکرد پیشنهادی می تواند به عنوان یک ابزار کمکی موثر در تشخیص بیماریها در محیط های بالینی مورد استفاده قرار گیرد.

کلیدواژه ها:

یادگیری عمیق ، درخت تصمیم ، الگوریتم PSO ، تشخیص بیماری ، بهینه سازی ، سرطان