پیش بینی احتمال سکته ی مغزی با استفاده از کلاسبند فازی

سکته مغزی یکی از عوامل اصلی مرگ ومیر و ناتوانی سراسر جهان به شمار میرود پیش بینی به موقع و دقیق این بیماری میتواند نقش موثری در پیش گیری درمان زودهنگام و کاهش عوارض آن ایفا کند در این مقاله یک مدل ترکیبی به منظور افزایش دقت در پیش بینی سکته مغزی طراحی و پیاده سازی شده است. ساختار این مدل بر مبنای کلاسبند فازی است که با استفاده از الگوریتم بهینه سازی ازدحام ذرات، بهینه سازی شده است تابع هدف این الگوریتم بر مبنای بیشینه سازی دقت کلاسبندی تعریف گردیده است پس از اعمال الگوریتم بهینه سازی ازدحام ذرات، سه ویژگی سن فشار خون و بیماری قلبی به عنوان مهمترین عوامل در بروز سکته انتخاب شدند نتایج شبیه سازی نشان داد که استفاده از این ویژگیها باعث افزایش دقت و کاهش پیچیدگی مدل گردید در این مقاله از سیستم فازی به جای مدلهای متداولی مانند شبکههای عصبی استفاده شده است دلیل این انتخاب قابلیت سیستم فازی در ارائه خروجی پیوسته و بیان احتمال وقوع رخداد به جای پاسخهای گسسته است این،ویژگی امکان ارزیابی میزان ریسک و تصمیم گیری تدریجی را فراهم کرده و با ماهیت نامعین و احتمالاتی دادههای پزشکی همخوانی بیشتری دارد. در نهایت مدل طراحی شده میتواند به عنوان یک ابزار تصمیم یار در سیستمهای پشتیبان تصمیم پزشکی مورد استفاده قرار گیرد.

کلیدواژه ها:

سکته مغزی ، کلاسبند فازی ، بهینه سازی ، الگوریتم بهینه سازی ازدحام ذرات ، پیش پردازش داده