کنفرانس بین المللی محاسبات نرم

صفحه اصلی / چهارمین کنفرانس بین المللی محاسبات نرم

ارائه روشی با استفاده از ترکیب دسته بندها، برای تشخیص و طبقه بندی بیماری تیروئید، مبتنی بر رأی اکثریت

نویسندگان :

ایمان سهرابی مقدم چافجیری¹ سید حسین علوی راد²

1- دانشگاه آزاد اسلامی واحد لاهیجان 2- آزاد اسلامی واحد لنگرود

کلمات کلیدی :

بیماری تیروئید، الگوریتم کلونی مورچگان، ماشین بردار پشتیبان، درخت تصمیم، شبکه عصبی عمیق، رأی اکثریت

چکیده :

هدف از این مقاله، ارائه روشی با استفاده از ترکیب دسته بندها جهت تشخیص و طبقه بندی بیماری تیروئید، مبتنی بر رأی اکثریت است. غده تیروئید یک غده درون ریز بوده که باعث ایجاد هورمونی به نام هورمون تیروئید می شود . این هورمون در تنظیم سوخت و ساز بدن نقش دارد . غده تیروئید، غده پروانه ای شکل است که در بخش جلوی گردن و در زیر سیب آدم قرار دارد . با توجه به عوامل متعـدد در تشـخیص ایـن بیمـاری، یکی از اساسی ترین مشکلات، تشخیص دیرهنگام آن در مراحل پیشـرفته و خطرنـاک اســت. بنابراین تشخیص سریع این بیماری در مراحـل اولیـه، شانس درمان و طول عمر بیمار را بالا می برد. به عـلاوه، در هزینـه های درمـان بـرای بیمـاران مبـتلا بـه آن صرفه جویی می شود. با توجه به این که تشخیص زودهنگام بیماری تیروئید می تواند منجر به جلوگیری از رشد تومورهای بدخیم شود، بنابراین ارائه روش هوشمند پزشکی، می تواند امری ضروری در این حوزه برشمرده شود تا علاوه بر کاهش خطاهای انسانی در تشخیص، سرعت و روند تشخیص بیماری را بهبود ببخشد. بانک اطلاعاتی مورد استفاده، مجموعه داده یادگیری ماشین دانشگاه کالیفرنیا، ارواین آمریکا (UCI) است. در ابتدا مدل سازی 5 طبقه بند شبکه عصبی مصنوعی، شبکه عصبی مصنوعی مبتنی بر الگوریتم کلونی مورچگان، ماشین بردار پشتیبان، درخت تصمیم و شبکه عصبی عمیق با توجه به ریسک فاکتورهای بیماری، سپس ترکیب دسته بندها با روش رأی اکثریت انجام می شود. پیاده سازی سیستم تشخیص پیشنهادی روی پایگاه داده پیشنهادی، نشان-دهنده برتری آن در مقایسه با روش های پیشین است که از این دیتاست استفاده کرده اند. برای روش پیشنهادی، دقت روش 99.94 درصد به دست آمده است. نقطه قابل توجه مدل ارایه شده، سیستمی تصمیم یار پزشکی برای افزایش دقت تشخیص روش درمان بیماری است.