تعیین پارامترهای منطق فازی با بکارگیری الگوریتم ژنتیک برای تشخیص بیماری کبد

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 62

This Paper With 14 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JHBMI-5-3_006

تاریخ نمایه سازی: 9 مرداد 1403

Abstract:

مقدمه: بیماری کبد یکی از شایع ترین مشکلات مزمن کبدی و سیروز می باشد. مشکلات کبدی شامل طیف وسیعی از بیماری ها و نارسایی هایی هستند که به بافت کبد یا عملکرد آن آسیب می رسانند. تشخیص زودهنگام و درمان این بیماری می تواند مرگ و میر و درجه بیماری را کاهش دهد. روش: این مطالعه از نوع توصیفی-تحلیلی است. پایگاه داده آن شامل ۵۸۳ رکورد مستقل شامل ۱۱ ویژگی موجود در پایگاه داده یادگیری ماشین UCI می باشد. در این مقاله با استفاده از منطق فازی که پارامترهای آن با الگوریتم ژنتیک تعیین می شوند روشی برای تشخیص بیماری کبد پیشنهاد شد. برای این منظور، ابتدا ویژگی های مجموعه داده با استفاده از ویژگی آنتروپی رتبه بندی شد و سپس بهینه سازی داده های مجموعه داده با استفاده از الگوریتم ژنتیک انجام گرفت. در نهایت بیماری کبد با استفاده از سیستم استنتاج فازی genfis۲ و genfis۳ تشخیص داده شد.  نتایج: نتایج نشان داد که دقت تشخیص بیماری کبد با استفاده از سیستم استنتاج فازی genfis۲ با هشت ویژگی برابر با ۶۶/۹۱ درصد است و با سیستم استنتاج فازی genfis۳ با شش ویژگی برابر با ۸۹/۸۷ درصد است و همچنین خطای genfis۲ و genfis۳ به ترتیب برابر با ۰/۰۳۴ کمتر ۰/۰۴۷ است. نتیجه گیری: بیماری کبد یکی از شایع ترین بیماری ها در بین افراد جامعه است. تشخیص به موقع بیماری ضمن کاهش هزینه ها، می تواند شانس درمان موفقیت آمیز بیمار را افزایش دهد. با توجه به نتایج به دست آمده، مشاهده شد که مدل پیشنهادی با دقت نسبتا بالایی، افراد مبتلا به بیماری کبد را تشخیص داد.

Authors

مریم رضایی فرخ زاد

کارشناسی ارشد مهندسی کامپیوتر ، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد ارومیه، ارومیه، ایران

فرهاد سلیمانیان قره چپق

Ph.D., in Computer Engineering, Assistant Professor, Computer Engineering Dept., Islamic Azad University, Urmia Branch, Urmia, 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 :
  • Shuja A, Malespin M, Scolapio J. Nutritional Considerations in Liver ...
  • Shukla A, Tiwari R, Kaur P, Janghel RR. Diagnosis of ...
  • Isa I, Saad Z, Omar S, Osman MK, Ahmad KA, ...
  • Sarasvathi V, Santhakumaran A. Towards artificial neural network model to ...
  • Chuang CL. Case-based reasoning support for liver disease diagnosis. Artif ...
  • Afzali F, Heidari Z, Montazeri M, Ahmadian L, Zahedi M ...
  • Hashmi A, Saleem Khanb M. Diagnosis blood test for liver ...
  • Obayya MI, Areed NF. Liver Cancer Identification using Adaptive Neuro-Fuzzy ...
  • Fan CY, Chang PC, Lin JJ, Hsieh JC. A hybrid ...
  • Satarkar SL, Ali MS. Fuzzy expert system for the diagnosis ...
  • Kalaiselvi C, Nasira GM. A novel approach for the diagnosis ...
  • Neshat M, Yaghobi M. Designing a fuzzy expert system of ...
  • Olaniyi EO, Khashman A. Liver Disease Diagnosis Based on Neural ...
  • Bahramirad S, Mustapha A, Eshraghi M. Classification of Liver Disease ...
  • Mirsharif M, Rouhani S. Data mining approach based on neural ...
  • Nguyen T, Singh M. Impact of internet banking on customer ...
  • Mitchell M. An Introduction to Genetic Algorithms (Complex Adaptive Systems). ...
  • Dhimish M, Holmes V, Mehrdadi B, Dales M. Comparing Mamdani ...
  • David RC, Precup RE, Petriu EM, Rădac MB, Preitl S. ...
  • Renault A, Dagli C. Genetic Algorithm Optimization of SoS Meta-Architecture ...
  • Xu D, Fu H, Jiang W. Research on Liver Disease ...
  • نمایش کامل مراجع