مقایسه کارآیی ماشین بردار پشتیبان و طبقه بندی بیزی در تشخیص درد ناشی از بیماری در کودکان مبتنی بر الگوهای دودویی محلی کاهش بعد یافته

امروزه بسیاری از بیماران توانایی بیان دردشان را دارند، برخی از بیماران مانند کودکان قادر به بیان دردشان نیستند به عبارت دیگر هنوز به مرحله خوداظهاری نر سیدهاند و والدین باید به نمایندگی از طرف آنها در مورد درد شان برای پز شک تو ضیح دهند. هدف ما در این مقاله این است که، بتوانیم با استفاده از مقایسه تغییرات حالات چهره کودکان در هنگام بیماری، درد ناشی از بیماری را تشخیص داده و در انتها حداکثر دقت تشخیص را به دست آوریم. بر این اساس روی این مبحث متمرکز شده تا با ترکیب علوم مهند سی با برخی م شکلات پز شکی، از قبیل ت شخیص درد نا شی از بیماری در کودکان بتوانیم به رفع آنها کمک کنیم. در مرحلهاستخراج ویژگی، ویژگیهای ناحیه چهره با استفاده از روش الگوهای دودویی محلی یکنواخت (LBP (استخراج شده است. از ویژگیهای مهم این روش، مقاوت آن ن سبت به تغییرات یکنواخت شدت رو شنایی پیکسلها و سادگی محا سباتی این عملگر ا ست، سادگی و سرعت محا سباتی این عملگر امکان ا ستفاده از آن را در سیستمهای بلادرنگ فراهم کرده ا ست. جهت بهبود سرعت و افزایش دقت در روند انجام آزمایش، بردارهای ویژگی حاصل با روش آنالیز مولفههای اصلی (PCA (کاهش بعد یافتند. در مرحله نهایی سی ستم پی شنهادی برا ساس آزمون متقابل 10 ق سمتی بر روی 50 ت صویر از پایگاه ت صاویر COPE ارزیابی شده ا ست. در این مرحله، برای تعیین کارآیی دقت طبقه بندی از SVM و Classifier Bayes Naïve ا ستفاده شده ا ست که دقت تشخیص آنها به ترتیب 98 %و 82 %است.

کلیدواژه ها:

تشخیص درد ناشی از بیماری ، الگوی دودویی محلی یکنواخت ، آنالیز مولفههای اصلی ، ماشین بردار پشتیبان ، طبقهبندی بیزی