رویکرد عصبی، فازی با طرح اولیه نمودار درختی برای حمایت و پشتیبانی از تصمیمگیری بالینی

برنامه مراقبتهای بهداشتی سیستمهای هوشمند نیاز به دقت بالایی دارند. استقرار مدلهای یادگیری ماشین تفسیری به پزشکان امکان بازبینی و اعتبارسنجی را میدهد. به طور کلی دانش پزشکی مدلهای استخراج شده مبتنی بر قاعده فازی که قابلیت تفسیر داشته باشند را در نظر میگیرد. ارتباطات بین شرایط پزشکی و علائم مرتبط را با استفاده از عبارات زبانی، نشان میدهد. سیستمهای ساخته شده بر روی مجموعه ای فازی از زمان شروع خصوصا برای کاربردهای پزشکی دارای اهمییت هستند. آنها درک مفاهیم مبهم و نامشخص مانند شرح علائم و نتایج آزمایش را که اغلب در نهادهای پزشکی گنجانده شده را امکان پذیر میسازند.رویکردی که با ایجاد یک پایه و قاعده ی واضح از طریق یک مکانیسم یادگیری بر مبنای نمودار درختی قادر به دریافت اطلاعات میشود. ساختارهای قانون ساده بر پایه ی یک قاعده فازی تبدیل به ساختار درختی میگردد که ورودی داده را تشکیل میدهد. چارچوب سیستم داده های فازی مبتنی بر شبکه سیستم استنتاج عصبی، فازی سازگار (ANFIS) پارامترها را بهینه میسازد و در نتیجه اطلاعات اولیه و نتایج به دست آمده رادر را س قرار میدهد. مطالعات تجربی در مورد معیارهای مورد توجه و تایید در داده های پزشکی نشان میدهد که کار پیشنهادی قادر به یادگیری مبانی قاعده ای فشرده شامل حمایت قاعده ایی ساده است. با عملکرد آماری بهتر یا قابل مقایسه با آنچه توسط طبقه بندیهای فازی پیشرفته به دست می آید.

Keywords:

پشتیبانی تصمیم گیری بالینی , سیستمهای تشخیص پزشکی , سیستمهای مبتنی بر قوانین فازی