بخشی از مقاله
چکیده:
مقدمه و هدف:سلامت جامعه که در درجه اول روی نتیجه پژوهش های پزشکی بنا می شود تاثیر زیادی بر همه فعالیت های انسانی دارد. تصمیم گیری در پزشکی توس کارشناسان بسیار مشکل می باشد زیرا پردازش انبوهی از از داده ها وتشخیص دقیق کار دشواری است.تشخیص در این جا دارای یک نقش بسیار مهم وحیاتی است.این اولین مرحله از مجموعه اقدامات درمانی است وخطا در این سطح می تواند عواقب چشم گیری داشته باشد.بنابراین حضور تکنولوژی در مرحله تشخیص به دلیل مزایای آن می باشد: پراگماتیسم,تکرار,بهره وری, ایمنی نسبت به عوامل اغتشاش که برای انسان به وجود می آید. - خستگی استرس کاهش توجه - لین فن آوری متخصص را در این نقطه جایگزین نمی کند بلکه فق سعی می کند به آن ها کمک کند.
مواد وروش ها: در ابتدا 17 بیماری را به سه مجموعه بیماری نزدیک به هم تقسیم بندی نموده ودر گام بعدی با داشتن 7 ورودی برای هر مجموعه به طراحی شبکه فازی عصبی تطبیقی آن پرداخته می شود که به صورت هوشمند مجموعه بیماری کبدی مورد نظر را آشکار می سازد. برای آموزش سیستم پیشنهادی در مجموع از 255 نمونه وبرای تست آن از 35 نمونه داده استفاده شده است.دو پایگاه داده برای آموزش شبکه در اختیار داشتیم که یک پایگاه از بیماران کبدی را از بیمارستان الزهرای اصفهان و مرکز تحقیقات رسول اصفهان و بیمارستان اشرفی اصفهانی و درمانگاه ولیعصر اصفهان جمع آوری شد.یک پایگاه داده دیگر پایگاه داده BUPA مربوط به بیماران کبدی شامل 345 فرد بود که برای مقایسه با نتایج مورد استفاده قرار گرفت.
بحث ونتیجه گیری:در این مقاله یک سیستم هوشمند تشخیص خودکار برای تشخیص بیماری های 17 گانه کبدی بر اساس تشخیص الگوی بیماری توس الگوریتم شبکه های عصبی عصبی فازی تطبیقی پیشنهاد شده است که نسبت به روش های مشابه از دقت و سرعت بالاتری در عملکرد برخوردار می باشد. مزیت های عمده به کارگیری این الگوریتم هوشمند در تنظیم توابع عضویت فازی نسبت به دیگر الگوریتم های بهینه سازی در تشخیص بیماری قطعیت در رسیدن به پاسخ صحیح وتحلیل مسایل پیچیده با ابعاد گسترده است.با اعمال داده هابه سیستم الگوریتم پیشنهادی در سطح قابل قبولی با خطایکمتر از 3 درصد در تشخیص سه مجموعه بیماری موثر واقع شده است.
-1مقدمه:
در سال های اخیر شیوع بیماری های متابولیک در بین اکثر جوامع بسیار زیاد شده است به طوری که حتی قشر جوان را در بر گرفته است. اختلالات کبدی از مواردی است که جامعه ی جوان را نیز تحت تاثیر قرار داده است. تغییر روش های زندگی مانند مصرف الکل و فست فود ها وکاهش فعالیت های بدنی وغیره به حدی بوده است که کودکان را نیز درگیر کرده است و عواقب آن به صورت چاقی ونیز بسیاری از اختلالات کبدی بروز پیدا کرده است. لذا استفاده از سیستم های هوشمند وتوجه به تشخیص و درمان این اختلالات یکی از اقدامات لازم و ضروری در عصر حاضر می باشد. ازجمله روش هایی که توجه بسیاری ازمحققین را به خود معطوف داشته است شبکه های عصبی مصنوعی است.
شبکه های عصبی مصنوعی، سیستمها و روشهای محاسباتی نوینی برای یادگیری ماشین، نمایش دانش و در انتها اعمال دانش به دست آمده در جهت پیش بینی پاسخهای خروجی از سیستمهای پیچیده هستند. ایده اصلی این شبکه ها تا حدودی الهام گرفته از شیوه کارکرد سیستم عصبی زیستی، برای پردازش داده ها و اطلاعات به منظور یادگیری و ایجاد دانش است. عنصر کلیدی این ایده ایجاد ساختارهایی جدید برای سامانه پردازش اطلاعات است .
از جمله روش های دیگری که همراه با این روش به منظور بالابردن دقت استفاده می شود روش فازی است که در آن با استفاده از قوانین فازی و استنتاج های فازی خروجی های مطلوب به دست می آیند. این روش در سال های اخیر مخصوصا در ترکیب با روش های دیگر استفاده شده است. اخیرا در تعیین دورز دارو و کنترل بیماری ها نیز به کار رفته است. سیستم های هوشمند فازی در تجزیه و تحلیل شرای عدم قطعیتدر پزشکی چون تشخیص و تجویز دارو استفاده می شود که در این پژوهش کمک موثری به درمان بیماری ها ی کبدی می کنند.
شبکه های هاپفیلد نوعی شبکه عصبی مصنوعی 1 بازگشتی در سال 2008 برای تشخیص اختلالات کبدی سیستم کارشناس فازی طراحی شد که برای تشخیص اختلالات کبدی با تایید 91 درصدی به کار برده شد.مانند مقاله ی قبلی پایگاه داده - UCI - BUPA است که 345 سوابق و 6 زمینه به عنوان پارامترهای ورودی انتخاب شد و نرخ ریسک اختلال کبد به عنوان نتیجه و خروجی سیستم شد.[1] در سال 2009 بعد از 300 نمونه برداری هر کدام با 7 زمینه در بیمارستان امام رضا مشهد همان نویسنده که در سال 2008 برای تشخیص اختلالات کبدی سیستم کارشناس فازی طراحی کرد یک سیستم هوشمند فازی برای تشخیص نرخ شدت هپاتیت B طراحی کرد و سپس با آموزش شبکه ی عصبی تست شد بعد از مقایسه با روش قبلی سیستم تطبیقی فازی-شبکه های عصبی با دقت 96 4 0 2 تشخیصشدتبیماریداد.[2]
از شبکه عصبیHopfield 1 وشبکه فازی عصبیHopfield در سال 2010 در تشخیص اختلالات کبد استفاده شدکه با بررسی 345 پرونده و6 ورودی نتایج برای شبکه عصبیHopfield با دقت 88 2 و برای شبکه فازی عصبیHopfield با دقت 92 بدست آمد. پس از آموزش شبکه، تست و تعیین میزان دقت باید انجام شد. انتخاب داده ها ازبانک داده های معتبر - UCI - انجام شد. BUPA مجموعه داده اختلالات کبد است که توس BUPA شرکت تحقیقات پزشکی آماده شد.[3] در می 2011 الگوریتم های طبقه بندی انتخاب شده برای طبقه بندی مجموعه اطلاعات بیمار کبدی مورد ارزیابی قرار گرفت الگوریتم های طبقه بندی شامل طبقه بندی کننده ی ساده ی بیز و الگوریتم شبکه ی عصبی پس انتشار و ماشین های فاکتور پشتیبان بود که
