طراحی یک مدل یادگیری عمیق بهینه برای پیش بینی بیماری کبد

مقدمه: ابتلا به بیماری کبد به دلیل نوشیدن بیش از حد الکل، استنشاق گازهای آلوده، داروها، مواد غذایی آلوده و بسته بندی غذا به سرعت در حال افزایش است. با توجه به این که این بیماری در مراحل اولیه عوارض و علائمی ندارد تشخیص به موقع آن کار دشواری می باشد. اگر این بیماری در مراحل اولیه تشخیص داده شود درمان آن به آسانی و با صرف هزینه کمتر امکان پذیر می باشد. بیماری های کبدی در مراحل پیشرفته تر تبدیل به سیروز و سرطان کبدی می گردد که به مراتب راه های درمانی بسیار دشوارتری را به دنبال دارند حتی در بعضی موارد منجر به مرگ بیمار می گردد.   روش کار: با توجه به چالش های مطرح شده تشخیص زود هنگام این بیماری در ارائه راهکارهای درمانی، طول درمان و بهبودی بسیار مهم است. با پیشرفت فناوری یادگیری ماشینی و یادگیری عمیق و توانایی آن در تحلیل و یادگیری ویژگی از مجموعه داده های پیچیده و حجیم می توان از این ابزار جهت پیش بینی زودهنگام بیماری کبد استفاده نمود، بدین منظور در پژوهش حاضر، از مجموعه داده بیماران کبدی هند استفاده شد. پس از پیش پردازش داده ها، یک مدل یادگیری عمیق که به وسیله الگوریتم فراابتکاری جستجوی خزندگان بهینه شده مطرح گردید تا با استفاده از مزیت الگوریتم های فراابتکاری دقت پیش بینی را افزایش دهد و به تشخیص به موقع بیماری کمک کند. یافته ها : در مطالعه حاضر، روش پیشنهادی ما شامل شبکه عصبی عمیق بهینه شده با بهره گیری از الگوریتم فراابتکاری RSA است. این مدل توانست در تشخیص بیماری کبدی، با دقت تقریبی ۹۶.۹ درصد، صحت حدود ۹۷.۲ درصد و امتیاز F۱ نزدیک به ۹۶.۷ درصد، نتایج قابل قبولی را نشان دهد. این رویکرد نشان دهنده کارایی بالا در تشخیص زودهنگام و دقیق بیماری های کبدی است که می تواند به بهبود فرآیندهای درمانی کمک کند. نتیجه گیری : نتایج نشان دادند که استفاده از شبکه عصبی پیشخور و الگوریتمهای فراابتکاری، موجب بهبود قابل توجهی در دقت و صحت تشخیص بیماری کبدی شد. مدل پیشنهادی توانست به طور قابل ملاحظه ای دقت پیش بینی و صحت نتیجه گیری را نسبت به روش های پیشین افزایش دهد. این پیشرفت ها می تواند در تشخیص زودهنگام و به موقع بیماری های کبدی نقش موثری ایفا کند و به بهبود روند درمان و کاهش عوارض ناشی از پیشرفت بیماری کمک نماید.

کلیدواژه ها:

Liver disease ، Machine learning ، Deep learning ، Metaheuristic algorithm ، Deep neural network ، بیماری کبد ، یادگیری ماشین ، یادگیری عمیق ، الگوریتم فراابتکاری ، شبکه عصبی عمیق