استفاده از مدل های هوش محاسباتی مبتنی بر فازی، شبکه های عصبی و الگوریتم ژنتیک جهت تشخیص لوسمی لنفوسیتیک حاد در کودکان و مقایسه کارایی آنها

تکنیک های محاسبات نرم در طراحی سیستم های هوشمند به منظور حل مسایل پیچیده کاربردبسیاری دارند. از جمله سیستم های خبره فازی، سیستم های خبره عصبی و سیستم های هایبریدیفازی- ژنتیک را می توان اشاره نمود. سیستم های هایبریدی فازی ژنتیک با قابلیت های مدیریت عدم قطعیت بخصوص عدم قطعیت موجود در تشخیص های پزشکی و تکامل الگوریتم های ژنتیک،یکی از کاربردی ترین متد های محاسبات نرم به شمار می آیند. در این مقاله از سه روش فازی،شبکه های عصبی و سیستم های هایبریدی فازی- ژنتیک بهره برده است که روش هایبریدی فازی- ژنتیک نتایج قابل ملاحظه ای نسبت به دو روش فازی و شبکه های عصبی را حاصل نموده است.سیستم خبره فازی پیشنهادی از مدل استدلال ممدانی استفاده نموده است و سیستم خبره عصبیپیشنهادی نیز از شبکه های عصبی پرسپترون در 2 لایه و 10 نرون در لایه پنهان آن ارایه شدهاست. همچنین از سیستم هایبریدی فازی- ژنتیک در بهینه سازی پارامترهای توابع عضویت سیستم فازی بهره برده است. از اطلاعات یکسان جمع آوری شده از متخصصین مربوطه در هر سه سیستمخبره استفاده شده است و سیستم ها در نرم افزار متلب با پایگاه داده های بیماران واقعی با تعداد347 نمونه پیاده سازی و ارزیابی شده اند. نتایج حاصل از ارزیابی با معیار متوسط مربعات خطا هرسه سیستم خبره نشان دهنده ی پتانسیل بالای سیستم خبره هایبریدی فازی ژنیک با مقدار 98% نسبت به دو روش فازی با مقدار 96% و عصبی با مقدار 94% جهت کمک به متخصصین برایتشخیص زود هنگام بیماری می باشد.

استفاده از مدل های هوش محاسباتی مبتنی بر فازی، شبکه های عصبی و الگوریتم ژنتیک جهت تشخیص لوسمی لنفوسیتیک حاد در کودکان و مقایسه کارایی آنها Keywords:

سیستم خبره فازی , سیستم خبره عصبی , سیستم خبره هایبریدی فازی ژنتیک , تشخیص لوسمی