محمد حسن احمدی؛ محمدرضا رمضان‌پور؛ ریحانه خورسند
چکیده
مقدمه: بروز بیماری‌های کبد می‌تواند فرد را در طولانی مدت مستعد سرطان کبد نماید که از مرگبارترین نوع سرطان‌ها در جهان به شمار می‌رود و در عین حال، قابل پیشگیری است. تشخیص زودهنگام بیماری‌های کبدی، امری ضروری جهت درمان آن‌ها می‌باشد. هدف از انجام پژوهش حاضر، دسته‌بندی وضعیت بیماران کبدی بر اساس شاخص‌های آزمایشگاهی با استفاده از ...
بیشتر
مقدمه: بروز بیماری‌های کبد می‌تواند فرد را در طولانی مدت مستعد سرطان کبد نماید که از مرگبارترین نوع سرطان‌ها در جهان به شمار می‌رود و در عین حال، قابل پیشگیری است. تشخیص زودهنگام بیماری‌های کبدی، امری ضروری جهت درمان آن‌ها می‌باشد. هدف از انجام پژوهش حاضر، دسته‌بندی وضعیت بیماران کبدی بر اساس شاخص‌های آزمایشگاهی با استفاده از رویکرد داده‌کاوی بود.روش بررسی: در این مطالعه توصیفی، از الگوریتم‌های بهینه‌سازی ازدحام ذرات PSO (Particle Swarm Optimization) و سیستم استنتاج عصبی- فازی تطبیقی ANFIS (Adaptive Neuro-Fuzzy Inference System) برای تشخیص اختلالات کبد در افراد سالم و بیمار استفاده گردید. بدین ترتیب، داده‌ها از پایگاه داده معتبر دانشگاه کالیفرنیا- ارواین UCI (University of California-Irvine) دریافت شد. برای ارزیابی روش پیشنهادی، معیارهای دقت، حساسیت و صحت مورد استفاده قرار گرفت.یافته‌ها: ترکیب ANFIS و الگوریتم PSO با متوسط صحت 14/99 درصد برای مجموعه داده مبتلایان به بیماری‌های کبدی در هند ILPD (Indian Liver Patient Dataset) قادر به تشخیص اختلالات کبدی بود.نتیجه‌گیری: نتایج به دست آمده حاکی از توانمندی بالای مدل ANFIS در تشخیص اختلالات کبد می‌باشد. مدل پیشنهادی نسبت به سایر مدل‌های مورد مقایسه دارای حداقل میزان خطا و بیشترین صحت و دقت است. بنابراین، به کارگیری این مدل در زمینه تشخیص بیماری‌های کبد پیشنهاد می‌شود.
