بخشی از مقاله
چکیده
مالاریا یک بیماری عفونی جدی است. برای کنترل این بیماری مالاریا به تشخیص به موقع و صحیح نیاز داریم. تصمیم گیری در تشخیص بیماری مالاریا توسط کارشناسان خیلی مشکل میباشد زیرا پردازش انبوهی از داده کار دشواری است. تشخیص در اینجا دارای یک نقش بسیار مهم میباشد. تشخیص بیماری مالاریا اولین مرحله از مجموعهای از اقدامات درمانی مورد نیاز این بیماری است، خطا در این سطح میتواند عواقب چشمگیری داشته باشد. در مقاله حاضر مجموعهای از قوانین فازی که میتواند برای تشخیص بیماری مالاریا مورد استفاده قرار بگیرد معرفی شده است.
-1 مقدمه
بیماری مالاریا یک بیماری عفونی است که موجب مشکلات جدی در امر سلامت شده است. به گفته سازمان بهداشت جهانی، این بیماری تقریبا مسئول مرگ یک میلیون نفر در سال می باشد. نیمی از جمعیت جهان، به ویژه در کشورهای در حال توسعه در معرض خطر مالاریا هستند. تشخیص این بیماری به صورت دستی با توجه به اینکه به تعداد مراحل زیادی نیازمند است، وقت گیر می باشد، و همچنین مستعد ابتلا به خطای انسانی است که منجر به تشخیص اشتباه می شود.
به همین دلیل می خواهیم روشی را مطرح کنیم که در آن نیازی به دخالت و تشخیص فرد نباشد و دقت تشخیص بیماری افزایش یابد. برای تشخیص بیماری مالاریا از تکنیکهای مختلف استفاده شده است. در ادامه این مقاله داریم:در بخش 2 منطق فازی به صورت خلاصه بررسی میشود. در بخش 3 برخی از روشهای انجام شده برای تشخیص بیماری مالاریا را بررسی خواهیم کرد. در بخش 4 دادههای مورد بررسی را شرح می دهیم. در بخش 5 نتایج شبیه سازی و در بخش 6 نتیجه گیری را خواهیم داشت.
-2 منطق فازی
منطق فازی اولین بار در پی تنظیم نظریه مجموعههای فازی به وسیله پروفسور لطفی زاده در صحنه محاسبات نو ظاهر شد .[1] واژه ی فازی به معنای غیر دقیق، ناواضح و مبهم - شناور - است. کاربرد این مبحث در علوم نرمافزاری را میتوان به طور ساده اینگونه تعریف کرد: منطق فازی از منطق ارزشهای "صفر و یک" نرمافزارهای کلاسیک فراتر رفته و درگاهی جدید برای دنیای علوم نرمافزاری و رایانهها میگشاید، زیرا فضای شناور و نامحدود بین اعداد صفر و یک را نیز در منطق و استدلالهای خود به کار میگیرد.
در ژاپن استقبال ازمنطق فازی، عمدتاً به کاربرد آن در روباتیک و هوش مصنوعی مربوط میشود. در حقیقت میتوان گفت بخش بزرگی از تاریخچه دانش هوش مصنوعی، با تاریخچه منطق فازی همراه و است. مجموعههای فازی بنیاد منطق فازی بر شالوده نظریه مجموعههای فازی استوار است. این نظریه تعمیمی از نظریه کلاسیک مجموعهها در علم ریاضیات است.
در تئوری کلاسیک مجموعهها، یک عنصر یا عضو مجموعه است یا نیست. در حقیقت عضویت عناصر از یک الگوی صفر و یک و باینری تبعیت میکند. اما تئوری مجموعههای فازی این مفهوم را بسط میدهد و عضویت درجهبندی شده را مطرح میکند. به این ترتیب که یک عنصر میتواند تا درجاتی -و نه کاملاً - عضو یک مجموعه باشد. مثلاً این جمله که آقای الف به اندازه هفتاد درصد عضو جامعه بزرگسالان است، از دید تئوری مجموعههای فازی صحیح است. در این تئوری، عضویت اعضای مجموعه از طریق تابع u - x - مشخص میشود که x نمایانگر یک عضو مشخص و u تابعی فازی است که درجه عضویت x در مجموعه مربوطه را تعیین میکند و مقدار آن بین صفر و یک است.
-3 پیشینه تشخیص بیماری مالاریا
اولین تلاش ها در این زمینه صرفا بر مبنای پردازش تصویر بود مثلا در مقاله [3] روشی پیشنهاد شد که با پردازش تصویر مرزهای سلول ها را استخراج و بر اساس اندازه و رنگ آنها را تقسیم بندی می کرد. بعدها با استفاده از روشهایی مانند شبکه عصبی پیش خور پس انتشار، سرعت و دقت بالاتری به دست آمد.
در مقاله [4]در تشخیص از روش [3] استفاده شده و دسته بندی با استفاده از شبکه عصبی پیاده سازی شده است. در مقاله [5] کارها با تکه بر لبههای سلولها انجام شده بود. در مقاله [6] مانند مقاله [4] عمل شده است، با این تفاوت که ویژگیهای تشخیص انگل را از ویژگیهای تشخیص نوع انگل جدا کرده بود. در [7] مانند مقالات دیگر از شبکه مصنوعی استفاده شده است و برای بهبود دسته، تغییراتی مانند مومنتوم را به شبکه پس انتشار افزودند.
در کار راس و همکاران، [8] تکنیک های پردازش تصویر شرح داده شده است که به شناسایی گلبول های قرمز و انگل پرداخته است. این الگوریتم شامل پیش پردازش تصویر، تجزیه و تحلیل تصویر، بخش بندی تصویر، استخراج ویژگی ها، و طبقه بندی گلبول قرمز آلوده و مالاریا است.
در آثار دی روبرت و همکاران9]،[1 اشیاء با استفاده از آستانه خودکار تنها بر روی تصاویر RGB و HSV بر اساس روش مورفولوژیک تشخیص داده شده است. مقالات روش های مورفولوژیکی برای هر دو تقسیم بندی، تصویر سلول و تشخیص انگل مورد استفاده قرار می گیرند. روش پیشنهادی به ارزیابی اندازه سلول های قرمز و هسته انگل و حداکثر منطقه ای برای تشخیص هسته انگل می پردازد. روش های مورفولوژیکی، مانند نازک شدن، شیب، بازسازی شده توسط اتساع، و فیلتر های مورفولوژیکی نیز برای پیش یا پس پردازش تصاویر استفاده شده است.
در [10] از روش تشخیص لبه SUSAN استفاده کرده است که به محلی سازی خوبی از لبه رسیده، اما با تشکیل مرز ضخیم باعث شده جداسازی سلول دشوار شود. الگوریتم اوتسو برای تفکیک دقیق گلبول های قرمز مورد استفاده قرار گرفته است.
در [11] هدفش شناسایی و جداسازی گلبول قرمز بوده است که این کار با روش تشخیص لبه گرادیان صورت گرفته
است. در [12] با روش GLCM استخراج ویژگی انجام شده و سپس با ماشین بردار پشتیبان دسته بندی صورت گرفته است که به نتیجه %98,25 رسیده است.
-4 داده ها
جمع آوری داده ها این پژوهش یک مطالعه موردی در بیمارستان دولتی در غنا انجام شده است . دادههای مورد استفاده در این پژوهش جهت تشخیص میزان شدت بیماری مالاریا با راهنماییهای متخصصین انتخاب گردیدهاند. این دادهها شامل وزن، قد، دمای بدن و ضربان قلب میباشد که با توجه به وزن و قد مقدار BMI فرد محاسبه می شود
