تشخیص اختلال تیروئید با مبنی بر هوش مصنوعی

بیماری های تیروئیدی یکی از چالش های بهداشتی مهم در جامعه است که می توانند تاثیرات جدی بر کیفیت زندگی افراد داشته باشند. شناسایی دقیق و به موقع این بیماری ها نقش حیاتی در پیشگیری و مدیریت عوارض آنها دارد. با این حال، شناسایی بیماری های تیروئیدی با مشکلاتی روبروست؛ از جمله تنوع بالای علائم، پیچیدگی های داده های بالینی و وجود نویز در داده ها که می تواند منجر به اشتباهات تشخیصی شود. در این راستا انتخاب ویژگی ها به عنوان یکی از مراحل کلیدی در فرآیند پیش پردازش داده ها اهمیت ویژه ای پیدا می کند. انتخاب ویژگی های مناسب می تواند به کاهش حجم داده ها، افزایش دقت مدل و بهبود کارایی الگوریتم های یادگیری ماشین کمک کند. این پژوهش به بررسی اثرات الگوریتم نهنگ به عنوان یک روش نوآورانه انتخاب ویژگی و ترکیب آن با الگوریتم های طبقه بندی نزدیک ترین همسایه، درخت تصمیم و ماشین بردار پشتیبان می پردازد. روش پیشنهادی ما با استفاده از الگوریتم نهنگ برای انتخاب بهینه ویژگی ها به شناسایی موثر و دقیق تر بیماری های تیروئید پرداخته و سپس با ترکیب طبقه بندها به دقت بالای ۹۸.۷۹ درصد دست یافته است. نتایج نشان می دهند که این رویکرد می تواند چالش های موجود در تشخیص زودهنگام و دقیق بیماری های تیروئید را به طرز موثری رفع کند و به بهبود سیستم های مراقبت بهداشتی در این حوزه منجر شود. این پژوهش گام مهمی در جهت استفاده از متدهای پیشرفته یادگیری ماشین در تشخیص و پیش بینی بیماری های تیروئید به شمار می رود.

Keywords:

داده , کاوری , تیروئید , انتخاب ویژگی , الگوریتم تکاملی , نهنگ , الگوریتم های طبقه بندی