دوره 5، شماره 3 - ( پاییز 1397 )                   جلد 5 شماره 3 صفحات 397-384 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Rezaii Farokh zad M, Soleimanian Gharehchopogh F. Determining Fuzzy Logic Parameters by using Genetic Algorithm for the Diagnosis of Liver Disease. jhbmi 2018; 5 (3) :384-397
URL: http://jhbmi.ir/article-1-261-fa.html
رضایی فرخ زاد مریم، سلیمانیان قره چپق فرهاد. تعیین پارامترهای منطق فازی با بکارگیری الگوریتم ژنتیک برای تشخیص بیماری کبد. مجله انفورماتیک سلامت و زیست پزشکی. 1397; 5 (3) :384-397

URL: http://jhbmi.ir/article-1-261-fa.html


دکترای مهندسی کامپیوتر، استادیار، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد ارومیه، ارومیه، ایران
چکیده:   (6998 مشاهده)
مقدمه: بیماری کبد یکی از شایع‌ترین مشکلات مزمن کبدی و سیروز می‌باشد. مشکلات کبدی شامل طیف وسیعی از بیماری‌ها و نارسایی‌‌هایی هستند که به بافت کبد یا عملکرد آن آسیب می‌رسانند. تشخیص زودهنگام و درمان این بیماری می‌تواند مرگ‌و‌میر و درجه بیماری را کاهش دهد.
روش: این مطالعه از نوع توصیفی-تحلیلی است. پایگاه داده آن شامل 583 رکورد مستقل شامل 11 ویژگی موجود در پایگاه داده یادگیری ماشین UCI می‌باشد. در این مقاله با استفاده از منطق فازی که پارامترهای آن با الگوریتم ژنتیک تعیین می‌شوند روشی برای تشخیص بیماری کبد پیشنهاد شد. برای این‌منظور، ابتدا ویژگی‌های مجموعه داده با استفاده از ویژگی آنتروپی رتبه‌بندی شد و سپس بهینه‌سازی داده‌های مجموعه داده با استفاده از الگوریتم ژنتیک انجام گرفت. در نهایت بیماری کبد با استفاده از سیستم استنتاج فازی genfis2 و genfis3 تشخیص داده شد.
 نتایج: نتایج نشان داد که دقت تشخیص بیماری کبد با استفاده از سیستم استنتاج فازی genfis2 با هشت ویژگی برابر با 66/91 درصد است و با سیستم استنتاج فازی genfis3 با شش ویژگی برابر با 89/87 درصد است و همچنین خطای genfis2 و genfis3 به ترتیب برابر با 0/034 کمتر 0/047 است.
نتیجه‌گیری: بیماری کبد یکی از شایع‌ترین بیماری‌ها در بین افراد جامعه است. تشخیص به موقع بیماری ضمن کاهش هزینه‌ها، می‌تواند شانس درمان موفقیت‌آمیز بیمار را افزایش ‌دهد. با توجه به نتایج به دست آمده، مشاهده شد که مدل پیشنهادی با دقت نسبتاً بالایی، افراد مبتلا به بیماری کبد را تشخیص داد.
متن کامل [PDF 1537 kb]   (4568 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: هوش مصنوعی در حوزه سلامت
دریافت: 1396/9/18 | پذیرش: 1397/7/7

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله انفورماتیک سلامت و زیست پزشکی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Health and Biomedical Informatics

Designed & Developed by : Yektaweb