افزایش دقت در تشخیص هپاتیت C با ترکیب الگوریتم کایوت و SVM

هپاتیت سی نوعی عفونت است که اغلب هیچ علائمی ندارد، اما عفونت مزمن موجب زخم شدن کبد گشته و پس از چند سال به سیروز کبد میانجامد. تشخیص زودهنگام این بیماری یک امر بسیار مهم و حیاتی است، و روشهای معمول که در صنعت پزشکی به کاربرده می شوند مانند انواع آزمایشها، سونوگرافی که نیاز به صرف زمان و هزینه برای تشخیص این بیماری دارند، درنتیجه پیش بینی دقیق بیماری به یک چالش تبدیل شده است. امروزه در دانش پزشکی شاهد جمع آوری داده های فراوان در مورد بیماری ها هستیم و مراکز پزشکی با مقاصد گوناگون به جمع آوری این داده ها می پردازند و تحقیق روی این داده ها و به دست آوردن نتایج و الگوهای مفید در رابطه با بیماریها با استفاده از دادهکاوی به پیشگیری و شناسایی زودهنگام این بیماری کمک میکند. در این مقاله قصد ارائه مدلی برای افزایش دقت تشخیص بیماری هپاتیت C به کمک روشهای داده کاوی را داریم. جهت انجام این عمل از الگوریتم کایوت و SVM برای انتخاب زیرمجموعهای مفید از ویژگیها استفاده میگردد. مجموعه داده مورد استفاده در این مقاله برای تشخیص بیماری هپاتیت C برگرفته از سایت UCI دانشگاه کالیفرنیا می باشد. این مجموعه شامل 152 رکورد، 19 ویژگی و 2 کلاس تشخیص هپاتیت ( Cکلاس 1 افرادسالم وکلاس 2 افراد دارای هپاتیت (C می باشد. نتایج حاصل از شبیه سازی الگوریتم پیشنهادی برای معیارهای دقت، صحت و حساسیت که در مقایسه با دو مورد از پژوهش های پیشین بهبود یافته است.

Keywords:

هپاتیت , الگوریتم بهینه سازی کایوت , انتخاب ویژگی , داده کاوی , طبقه بندی.