بهینه سازی الگوریتم KNN در راستای تشخیص بیماری های انسدادی ریوی
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 83
This Paper With 22 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHBMI-10-3_004
تاریخ نمایه سازی: 8 مرداد 1403
Abstract:
مقدمه: به گزارش سازمان بهداشت جهانی، بیماری های ریوی سومین علت مرگ و میر در جهان می باشند. این بیماری ها ماهیت مزمن داشته، بنابراین تشخیص زودهنگام اهمیت بالایی دارد. تست های عملکردی ریوی ابزار مهمی در بررسی و پایش بیماران مبتلا به آسیب های تنفسی می باشند. هدف از این پژوهش بهینه سازی الگوریتم پایه K نزدیک ترین همسایه می باشد که با دقت بالاتری خودارزیابی و تفسیر نتایج تست اسپیرومتری را تسهیل و تسریع می کند.
روش: در این پژوهش کاربردی روشی پیشنهاد شده است که محدودیت های الگوریتم پایه را با بهینه سازی، ارزشگذاری ویژگی ها و رای گیری وزن دار بهبود بخشیده و با به کارگیری آن بیماری های انسدادی ریوی را بر اساس مجموعه داده تشکیل یافته از تست های تنفس سنجی و پارامترهای عمومی، در سه دسته آسم، برونشیت مزمن و آمفیزم کلاس بندی کرده است.
نتایج: در تعیین روش مناسب برای محاسبه فاصله داده ها، روش مینوکوفسکی انتخاب شد و با اعمال ضرایب ارزش ویژگی ها در این رابطه دقت کلاس بندی افزایش یافت. رای گیری وزن دار در قسمت نهایی الگوریتم بر اساس کرنل گوسی صورت گرفت که بر این اساس عملکرد ثابتی به ازای تغییر پارامتر تعداد همسایگان به دست آمد. نتایج ارزیابی ها در قالب اعتبارسنجی متقابل انجام شد که دقت ۹۵/۴ درصد و ۹۳/۲ درصد صحت در زمان ۳/۱۲ ثانیه به دست آمد.
نتیجه گیری: بکارگیری الگوریتم های یادگیری ماشین میتواند در تجزیه و تحلیل داده های پزشکی موثر واقع گردد؛ لذا در این مطالعه از این رویکردها برای ارائه روشی جدید در کلاسبندی، کمک گرفته شد، به طوری که الگوریتم پیشنهادی توانست روش پایه را بهبود ببخشد و همچنین دقت و عملکرد بهتری نسبت به روش های پیشین، داشته باشد.
Keywords:
Classification , Obstructive Pulmonary Diseases , Fisher’s Discriminant Ratio , K Nearest Neighbor , Grasshopper Optimization , کلاس بندی , بیماری های انسدادی ریوی , نرخ جداپذیری فیشر , K نزدیک ترین همسایه , الگوریتم بهینه سازی ملخ
Authors
شهرزاد پورامیرارسلانی
Ph.D. Student in Biomedical Engineering, Faculty of Electrical and Computer Engineering, Tabriz University, Tabriz, Iran
نادر وحدانی مناف
Ph.D. in Biomedical Engineering, Assistant Professor, Electrical Engineering Faculty, Seraj Higher Education Institute, Tabriz, Iran
سامان راجبی
Ph.D. in Telecommunications Engineering, Assistant Professor, Electrical Engineering Faculty, Seraj Higher Education Institute, Tabriz, Iran
سمیه ماکویی
Ph.D. in Electronic Engineering, Associate Professor, Faculty of Electrical and Computer Engineering, Tabriz University, Tabriz, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
