فردوس محمدی بساتینی - دانشگاه آزاد اسلامی، واحد شوشتر
بهزاد ریحانی نیا - دانشگاه آزاد اسلامی، واحد شوشتر

زمینه و هدف: غده تیروئید یکی از غدد حیاتی بدن است که می توان گفت به طور غیر مستقیم روی تمام ارگان های بدن مانند قلب، کلیه، دستگاه گوارش و غیره اثر دارد هدف این مطالعه استفاده از الگوریتم بوستینگ در کاهش خطای تشخیص غده تیروئید نرمال از غده تیروئید غیرنرمال می باشد. این الگوریتم یک روش قدرتمند در حوزه تشخیص و پیش بینی می باشد. الگوریتم بوستینگ به طور مکرر یک رده بندی کننده پایه را روی داده های دوباره وزن دار شده رشد می دهد و در نهایت یک ترکیب خطی از نتایج تشکیل می دهد و از این رو دقت را بهبود می بخشد. مواد و روش کار: این مطالعه از نوع مقطعی است. داده های وضعیت غده تیروئید یک نمونه ۱۰۳تایی از مراجعه کنندگان به آزمایشگاه سلامت شهرستان شوشتر در سال ۸۹-۹۰ مورد تحلیل قرار گرفت برای تشخیص غده تیروئید نرمال از غده تیروئید غیرنرمال از درخت های تصمیم معمولی و درخت های تصمیم بوستینگ از نرم افرار ۳.۰.۱R استفاده شد. برای مقایسه نتایج از روش تحلیل رده بندی و سه معیار نرخ خطای رده بندی، حساسیت و ویژگی استفاده شد. یافته ها: نرخ خطای رده بندی، حساسیت و ویژگی در مجموعه آزمون برای درخت های تصمیم معمولی به ترتیب ۰۸۸/۰، ۹۱/۰ و ۹۲/۰ به دست آمدند و در درخت های تصمیم بوستینگ سه معیار فوق به ترتیب ۰۲۹/۰، ۹۵۵/۰و ۱ به دست آمدند. نتیجه گیری: نتایج این مطالعه نشان داد که الگوریتم بوستینگ برای تشخیص غده تیروئید نرمال از غده تیروئید غیرنرمال بسیار موفق تر عمل می کند بنابراین استفاده از درخت های تصمیم بوستینگ جهت تشخیص و پیشگویی وضعیت غده تیروئید پیشنهاد می شود.

boosting algorithm, misclassification rate, sensitivity, specificity., الگوریتم بوستینگ, نرخ خطای رده بندی, حساسیت, ویژگی.