رویا زارع فرخادی - عضو هیئت علمی گرو کامپیوتر، موسسه آموزش عالی غیرانتفاعی غیردولتی رشدیه تبریز؛
مریم سالک لطفی اللهی - دانشجوی کارشناسی ارشد، موسسه آموزش عالی غیرانتفاعی غیردولتی رشدیه تبریز؛

غده تیروئید نسبت به غده های دیگر بدن بیشتر دچار مشکل می شود و در صورت تشخیص ندادن به موقع اختلالات تیروئیدی بیمار دچار حمله تیروئیدی شده که ممکن است منجر به مرگ گردد. هدف اصلی از این پژوهش، ارائه مدلی مبتنی بر یادگیری ماشین است که بتواند بیماری تیروئید را در فرد مبتلا با دقت بالا تشخیص دهد. در این پژوهش از ترکیب الگوریتم ماشین بردار پشتیبان و الگوریتم هارمونی جهت تشخیص بیماری استفاده شده که نتایج نشان می دهد که موثر واقع شده است، معیارهای ارزیابی در این پژوهش دقت و صحت است که عملکرد این روش بر اساس این شاخص ها به ترتیب ۸۸, ۳۱ و ۸۹٫۴۳ به دست آمده است. با توجه به نتایج به دست آمده، مشاهده می شود که روش پیشنهادی با دقت بالایی، افراد مبتلا به بیماری تیروئید را تشخیص می دهد.

ماشین بردار پشتیبان؛ تشخیص بیماری تیروئید؛ بهینه سازی الگوریتم هارمونی