تشخیص بیماری تیروئید با استفاده از ترکیب شبکه های عصبی به روش سلسله مراتبی
Publish place: Journal of Health & Biomedical Informatics، Vol: 4، Issue: 1
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 59
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHBMI-4-1_003
تاریخ نمایه سازی: 9 مرداد 1403
Abstract:
مقدمه: غده تیروئید نسبت به غدههای دیگر بدن بیشتر دچار مشکل میشود و در صورت عدم تشخیص به موقع بی نظمیهای تیروئید، بیمار دچار حمله تیروئیدی و یا کمای میگزدم شده که ممکن است منجر به مرگ گردد. از این رو تشخیص بینظمیهای تیروئید (پرکاری یا کمکاری) بر پایه تستهای آزمایشگاهی و کلینیکی امری ضروری است. هدف از این پژوهش ارائه مدلی مبتنی بر تکنیک داده کاوی است که قابلیت پیشبینی بیماری تیروئید از نظر کمکاری و پرکاری را داشته باشد.
روش: این مطالعه از نوع توصیفی-تحلیلی بوده و پایگاه داده آن شامل ۷۲۰۰ رکورد مستقل مبتنی بر ۲۱ ریسک فاکتور و برگرفته شده از مرجع داده UCI میباشد که از این تعداد ۷۰ % نمونهها جهت آموزش و ۳۰ % آن ها جهت آزمون استفاده شده است. این پژوهش ابتدا به بررسی عملکرد شبکههای عصبی ، به منظور تشخیص بیماری تیروئید پرداخته و سپس به ارائه الگوریتمی به نام ترکیب شبکههای عصبی به روش سلسله مراتبی می پردازد.
نتایج: پس از مدل سازی و مقایسه مدلهای تولید شده و ثبت نتایج دقت پیش بینی بیماری تیروئید با استفاده از روش شبکه عصبی ۶/۹۶% و روش سلسله مراتبی ۱۰۰ % به دست آمد.
نتیجه گیری: کاهش خطای تشخیص بیماری تیروئید همواره یکی از اهداف محققین بوده است. استفاده از روشهای مبتنی بر داده کاوی میتواند به کاهش این خطا کمک کند. این مطالعه ضمن تشخیص بیماری تیروئید به کمک شبکه های عصبی، نشان می دهد که ارائه روش قوی تری به نام ترکیب شبکههای عصبی به صورت سلسله مراتبی منجر به بهبود دقت تشخیص می شود.
Keywords:
Artificial neural network , MLP network , Combination of neural networks , Thyroid diagnosis , شبکه عصبی مصنوعی , شبکه MLP , ترکیب شبکه های عصبی , تشخیص بیماری تیروئیدی , تشخیص نوع تیروئید
Authors
ایمان ذباح
دانشجوی دکتری کامپیوتر ، گروه کامپیوتر، دانشگاه آزاد اسلامی تهران شمال، دانشکده مهندسی، تهران،ایران
سید احسان یثربی
عضو هیات علمی گروه کامپیوتر و فناوری اطلاعات، دانشکده مهندسی ، دانشگاه تربت حیدریه
زهرا رمضانپور
کارشناسی کامپیوتر، گروه کامپیوتر و فناوری اطلاعات، دانشکده مهندسی، دانشگاه تربت حیدریه
خدیجه صحراگرد
کارشناسی کامپیوتر، گروه کامپیوتر و فناوری اطلاعات، دانشکده مهندسی، دانشگاه تربت حیدریه
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 :