پیش بینی بیماری تیروئید با استفاده از الگوریتم یادگیری ماشین

بیماریهای تیروئید امروزه در سراسر جهان شیوع گسترده ای پیدا کرده اند و مطالعات مختلف نشان می دهند که درصد قابل توجهی از جمعیت جوامع مختلف به نوعی از این اختلالات مبتلا هستند. از سوی دیگر، با گسترش استفاده از سیستمهای کامپیوتری، اینترنت و ثبت الکترونیکی نتایج آزمایشهای پزشکی، حجم عظیمی از دادههای مرتبط با بیماران در مراکز درمانی ذخیره می شود. این دادهها می توانند منبعی ارزشمند برای استخراج دانش و تشخیص دقیقتر بیماری ها باشند. در این پژوهش، یک رویکرد یادگیری ماشین برای بهبود فرآیند پیش بینی و تشخیص بیماری تیروئید ارائه شده است. سیستم پیشنهادی با بهره گیری از الگوریتمهای مختلف یادگیری از جمله SVM، KNN، درخت تصمیم و شبکه عصبی مصنوعی طراحی و در زبان برنامه نویسی پایتون پیاده سازی شده است. عملکرد این سیستم بر روی مجموعه داده واقعی مورد ارزیابی قرار گرفت و نتایج و مقایسه انواع الگوریتم های پیاده سازی نشان می دهد که عملکرد و دقت سیستم پیشنهادی بر روی مجموعه داده مورد نظر قابل قبول می باشد.

کلیدواژه ها:

بیماری تیروئید ، شبکه عصبی مصنوعی ، درخت تصمیم ، الگوریتم KNN ، الگوریتم SVM