تشخیص بیماری هپاتیت با استفاده از تئوری مجموعه راف و تئوری مجموعه فازی راف

در این مقاله یک سیستم کمک یار پزشک طراحی شده است که توانایی تشخیص قابل درمان بودن یا نبودن بیماری هپاتیت را دارا است. در این زمینه تحقیق های زیادی صورت گرفته است و به نتایج گوناگونی دست یافته اند، اما به ناقص بودن اطلاعات افراد و مجهز نبودن تجهیزات آزمایشگاهی که عامل مهمی در تصمیم گیری می باشد توجهی نشده است. در این مقاله، رویکرد نوینی برای کاهش تعداد ویژگی ها با توجه به وجود خطا در نتایج آزمایشگاهی و ناقص بودن اطلاعات در نظر گرفته شده است. تشخیص مهمترین ویژگی های بیماری هپاتیت از مجموعه اطلاعات بالینی و نتایج آزمایش های کلینیکی با کاهش تعداد ویژگی ها، منجر به صرف هزینه کمتر، زمان کوتاه تر و دقت بیشتر در تشخیص می شود. سیستم مورد نظر شامل 3 مرحله اصلی پیش پردازش، انتخاب ویژگی و دسته بندی است. مجموعه داده از مخزن داده دانشگاه کالیفرنیا جمع آوری شده است. این مجموعه داده شامل 155 نمونه می باشد. بهترین روش انتخاب ویژگی در این مقاله تئوری مجموعه فازی راف می باشد که توانسته با تعداد 4 ویژگی و دقت 91 درصد، قابل درمان یا نبودن بیماری هپاتیت را تشخیص دهد. با روش انتخاب شده در این مقاله به علت امکان ناقص بودن اطلاعات بعضی بیماران و وجود خطا در نتایج آزمایشگاه های غیرمجهز مقادیر مفقود شده و داده ها به صورت فازی در نظر گرفته شده است و با انتخاب 4 ویژگی از میان 19 ویژگی علاوه بر کاهش زمان و هزینه تشخیص و بر خلاف بسیاری از روش های انجام شده در گذشته که روی دقت تمرکز کرده اند نتایج قابل قبول تر شده است.

کلیدواژه ها:

تئوری مجموعه راف ، تئوری مجموعه فازی راف ، ماشین بردار پشتیبان ، بیماری هپاتیت