نقش هوش مصنوعی در تشخیص بیماری کم کاری غده تیرویید با تاکید بر شبکه های عصبی

امروزه با پیشرفت تکنولوژی و گسترش استفاده از کامپیوتر در زمینه پزشکی، سیستمهای هوشمند و به ویژه شبکه های عصبی مصنوعی، از اهمیت قابل توجهی در تشخیص بیماریهای مختلف برخوردار هستند. مشکل عمده در علوم پزشکی، رسیدن به تشخیص صحیح بیماری است و تفسیر مناسب از داده های عملکردی، یکی از موارد مهم در تشخیص بیماری است. در این بررسی با مطالعه دقیق شبکه های عصبی مصنوعی پرسپترون چندلایه و تابع پایه شعاعی و با بهرهگیری از پایگاه داده موسسه گاروان و موسسه والز سیدنی استرالیا به تشخیص بیماری کم کاری غده تیرویید پرداختیم. نتایج تحقیق نشان داد که دقت و قدرت تشخیص بیماری کمکاری غده تیرویید در روش شبکه عصبی پرسپترون در کلاسهای کم کاری اولیه و جبرانی، بیشتر از شبکه عصبی تابع پایه شعاعی میباشد. همچنین دقت و قدرت تشخیص بیماری کمکاری غده تیرویید شبکه عصبی تابع پایه شعاعی در کلاسهای منفی و کم کاری ثانویه، بیشتر از روش شبکه عصبی پرسپترون است.

کلیدواژه ها:

کم کاری غده تیرویید ، شبکه عصبی پرسپترون ، شبکه عصبی تابع پایه شعاعی