بخشی از مقاله
چکیده
پژوهش حاضر با هدف ارائه و پیاده سازی یک الگوریتم ترکیبی با استفاده از ترکیب فازی و شبکه های عصبی برای طراحی یک سیستم خبره مورد مطالعه قرار گرفته است تا بتواند عمل تشخیص برخی از بیماری را انجام دهد. سیستمهای خبره، نرم افزارهایی هستند که نحوه تفکر یک متخصص در یک زمینه خاص را شبیه سازی میکنند . در واقع این نرم افزارها، الگوهای منطقی را که یک متخصص بر اساس آنها تصمیمگیری میکند، شناسایی می نمایند و سپس بر اساس آن الگوها، مانند انسانها تصمیم گیری میکنند.
سرعت عمل همواره در تشخیص، درمان و در بهبود حال بیماران موثر است، اما گاهی دسترسی به پزشکان متخصص برای بیماران وجود ندارد و از این طراحی سیستمی با دانش پزشک متخصص که تشخیص و راه درمان مناسب را به بیماران ارائه نماید، شرایط درمان به موقع را برای بیماران فراهم میکند. کاربرد سیستمهای دسته بندی در تشخیص پزشکی به تدریج در حال افزایش است.
هیچ شکی نیست که دادههای بدست آمده از بیماران و تصمیمات متخصصان مهمترین عوامل شناسایی هستند. ولی سیستم های خبره و تکنیکهای هوشمند گوناگونی نیز برای طبقه بندی به متخصصان کمک می کنند. سیستم های دسته بندی، جلوی خطاهای محتملی که میتوانند به خاطر خستگی و یا بیتجربگی متخصص اتفاق بیفتند گرفته و داده های پزشکی را برای آزمایش در زمان کمتر و جزئیات بیشتر، فراهم میکنند.
مقدمه
سلامتی افراد جامعه کهعمدتاً از نتایج پژوهشهای پزشکی ریشه میگیرد تاثیر بسیاری بر تمام فعالیت های بشر گذاشته است. از جمله مهم ترین جنبه های پزشکی میتوان تفسیر بسیار خوب داده ها و راه های مناسب تشخیص بیماریها را در نظر گرفت. اما گرفتن تصمیمات پزشکی فعالیتی بسیار مشکل و پیچیده میباشد زیرا کارشناسان و متخصصان که مسئولیت تصمیم گیری را دارند به سختی می توانند مجموعه عظیمی از داده ها را مورد پردازش قرار دهند. در نتیجه به ابزاری نیاز دارند تا بتوانند بهترین تصمیم را بگیرند آنها می توانند از برخی سیستمهای خبره و شبکه های عصبی که بخشی از هوش مصنوعی می باشند استفاده کنند. یکی از شناخته شده ترین روش های تشخیص بیماری ها استفاده از سیستم های خبره است این نوع از سیستم ها در واقع پیاده سازی هوش و استدلال انسان هاست. به عبارتی دیگر میتوان گفت هوش انسان ها را شبیه سازی میکنند
در این سیستم ها انسانها با استفاده از مجموعه قوانین تصمیم گیری، تست علائم فیزیکی و تحلیل آزمایشگاهی پیشنهادات مختلفی را برای تشخیص بیماریها ارائه می دهندغالباً. بیان قوانین سیستمها بسیار پیچیده و مشکل میباشد در نتیجه تبدیل قوانین مشکل و پیچیده به قوانین صریح و آسان ممکن است منجر به از دست دادن اطلاعات اولیه شود. پس سیستم خبره نیاز به یک مهندس خوب دارد که دامنه های پزشکی که سیستم خبره در ان تعریف شده است را به خوبی درک کند. از طرف دیگر اگر سطوح جدیدی از دانش و اطلاعات افزوده شود ساختار درختی ایجاد شده پیچیده تر خواهد شد. برای بهبود این استدلال که - استنتاج منطقی نیز نامیده می شود - می توان از استنتاج های آماری بهره برد.
افزایش شدید میزان ابتلا به بیماری ها، پیرو تغییر سبک زندگی و عوامل ناشناخته دیگر در سال های اخیر باعث شده سرمایه گذاری زیادی در جهت یافتن درمان های بهتر و حتی درمان قطعی انجام شود. این مساله پژوهشگران را بر آن داشته است که به عنوان مشکلی فراگیر برای بهبود زندگی مبتلایان تلاش کنند.
طراحی سیستم خبره پزشکی با استفاده از روشهای گوناگونی توسط اشخاص زیادی انجام شده است. یک سیستم خبره به عنوان کمکی برای فرد خبره در تشخیص و تعیین نیازمندیها و برطرف نمودن مشکلات با حداقل میزان خطا، هدف اصلی طراحان سیستمهای خبره است در سالهای اخیره توجه فراوانی به این امر شده و شاهد بهبود تصمیم گیری افراد متخصص در زمینه های گوناگون بوده ایم که در این بین پزشکی و تشخیص بیماری بسیار حساستر از دیگر سیستمهای خبره می باشد و پزشک با یک تشخیص اشتباه می تواند زندگی یک انسان را به خطر اندازد
برای مثال روشهای درمانی دیابت مبتنی بر استفاده از تجهیزات پزشکی الکترونیکی، شامل چیپ های کنترلی، پمپ های تزریق کننده خودکار و حسگرهای پیوسته در زمان اندازه گیری قند خون است. مهندسان در تلاشند با ترکیب مجموعه ای از این اجزا ساختاریتماماً خودکار را به وجود بیاورند که مثل اجزای بدن فکر کرده و مقادیر مناسبی دارو را با کنشگرهای مکانیکی الکتریکی به بیمار تزریق کنند و در صورت نقص سیستم بدن و تاثیر منفی بر اجزای بدن قابلیت پیش بینی داشته باشند.
به همین منظور استفاده از روش های هوشمند که بتوان از آن طریق ضمن کاهش تعداد اندازه گیری های قند خون در این بیماران و جلوگیری از اثرات متعاقب ناشی از این اندازه گیری ها به نوعی وقوع عوارض خطرناک احتمالی ذکر شده را پیش بینی نمایند می تواند مهمترین گام به منظور تشخیص، کنترل و حتی درمان مناسب این عوارض تلقی گردد.
تاکنون روش های متفاوتی برای رسیدن به این مهم مورد استفاده قرار گرفته اند که از آن جمله می توان به مدل های ریاضی و مینیمال اشاره نمود که عمدتاً به منظور تعیین حساسیت بدن بیمار مبتلا به دیابت در پاسخ به گلوکز تزریقی و نیز پیش بینی کوتاه مدت سطح قند و انسولین موجود در بدن مورد استفاده قرار گرفته اند، از جمله مشکلاتی که در مدلهای ذکر شده به چشم می خورد عدم وجود اطلاعات کافی و کامل که بتوان از آن طریق به مدلی مشابه مدل واقعی دست یافت، زیرا مدل ها اگرچه ممکن استکاملاً صحیح عمل نمایند اما زمانی که با یکدیگر ترکیب میگردند خطا در خروجی مدل افزایش خواهد یافت چرا که تمام خواص تعاملی و بر همکنشی موجود میان ارگان های موجود در سیستم زنده بدن انسان در مدل لحاظ نشده اند
همچنین به این موارد می توان تعداد کم ویژگی ها و پارامترهای تاثیر گذار بر نوسانات سطح قند خون مورد استفاده در مدلهای مبتنی بر هوش مصنوعی را نیز افزود که این خود باعث ایجاد خطاهایی در پیش بینی سطح قند خون بدن خواهد شد
همچنین می توان به مدل های مبتنی بر رویکردهای احتمالاتی که مشابه با مدلهای ریاضی به منظور مدل سازی سیستم متابولیکی بدن مورد استفاده قرار گرفته اند، سیستم های خبره اشاره نمود که به منظور پیش بینی وضعیت سطح قند خون بیمار مبتلا به دیابت در آینده استفاده شدهاند اشاره نمود .
سیستمهای خبره با هدف تشخیص این که انسان خبره چه کارهایی را چگونه انجام می دهد و همین کارها را کامپیوتر انجام دهد طراحی شده اند. سیستمهای خبره، برنامه های کامپیوتری هستند که نحوه تفکر یک متخصص در یک زمینه خاص را شبیه سازی می کنند . در واقع این نرم افزارها، الگوهای منطقی را که یک متخصص بر اساس آنها تصمیم گیری می کند، شناسایی می نمایند و سپس بر اساس آن الگوها، مانند انسان ها تصمیم گیری می کنند. تا کنون سیستم های خبره گوناگون در زمینه علوم پزشکی ارائه شده و از این حیث یکی از علوم پیشتاز میباشد. در این پژوهش، نیز قصد است با استفاده از ترکیب فازی و شبکههای عصبی، سیستم خبره ای برای تشخیص احتمالی بیماری کلیوی برای افراد مبتلا به دیابت طراحی گردد
در واقع در این تحقیق هدف، پاسخگویی به این مسئله است که طراحی سیستم خبره میتواند قابلیت تشخیص احتمالی بیماری کلیوی برای افراد مبتلا به دیابت با استفاده از ترکیب فازی و شبکههای عصبی را داشته باشد؟ زیرا مطالعات متعددی تا کنون در خصوص طراحی سیستم خبره پزشکی با استفاده از روشهای گوناگون انجام شده است. یک سیستم خبره به عنوان کمکی برای فرد خبره در تشخیص و تعیین نیازمندیها و برطرف نمودن مشکلات با حداقل میزان خطا، هدف اصلی طراحان سیستمهای خبره است در سالهای اخیره توجه فراوانی به این امر شده و شاهد بهبود تصمیم گیری افراد متخصص در زمینههای گوناگون بودهایم که در این بین پزشکی و تشخیص بیماری بسیار حساستر از دیگر سیستمهای خبره می باشد زیرا پزشک با یک تشخیص اشتباه میتواند زندگی یک انسان را به خطر اندازد. استفاده از سیستمهای خبره فازی و شبکه های عصبی فازی راه مناسبی است برای دنبال نمودن حل مشکل تشخیص اختلالات جسمی از قبیل اختلالات کلیوی افراد دارای دیابت و طراحی هر سیستم خبره پزشکی میتواند جان هزاران انسان را از مرگ نجات دهد.
-1 سیستم خبره - سیستم های مبتنی بر دانش -
ریشه اصلی سیستمهای خبره یا سیستمهای مبتنی بر دانش به حوزه مطالعاتی هوش مصنوعی - 2 - AI برمیگردد و سیستمهای خبره موجودیت خود را مدیون هوش مصنوعی هستند یکی از بزرگان هوش مصنوعی، ماروین مینسکی آن را چنین تعریف می کند:
هوش مصنوعی، حوزه مطالعاتی است که سعی در ایجاد سیستم هایی دارد که به نظر افراد هوشمند هستند سیستم مبتنی بر دانش شامل عملگرهایی است که مشخص می کنند چطور یک سیستم از یک وضعیت می تواند به وضعیت بعد و نهایتا بسوی وضعیت هدف پیش رود. در این راستا برای ایجاد یک برنامه هوشمند، آن برنامه باید با کیفیت بالا به نحوی که دانش خاص در حوزه آن مساله ومرتبط با آن باشد طراحی گردد.
