پیش بینی بیماری هپاتیت به کمک شبکه عصبی مصنوعی

یکی از روشهای موثر برای کمک به تشخیص بیماریها، استفاده از شبکه عصبی و روشهای دادهکاوی است. در این مقاله قصد داریم چند مدل برای پیشبینی بیماری هپاتیت برمبنای شبکههای عصبی ارایه دهیم و آنها را بر روی اطلاعات بدست آمده ازپایگاه دادهی UCA پیادهسازی کنیم. اطلاعات را به 10 قسمت تقسیم کرده و 10 بار شبکه را اجرا میکنیم، که هر بار یک قسمت را به عنوان آموزش و سایر قسمتها را به عنوان تست به شبکه اعمال کردیم. با این روش تمام اطلاعات هم در اجرا و هم در تست بکار میروند و نتایج معتبرتری بدست میآید. حسن دیگر این مقاله این است که بعضی از اطلاعات ورودی آن کامل نبوده و شبکه توانایی تخمین در این موارد نیز دارد. همچنین ما روشمان را با چندین شبکه عصبی پیاده سازی کرده و دقت روشها را با هم مقایسه کردیم. به این نتیجه رسیدیم که مدلهای پیادهسازی شده با شبکههای SVM و SOFM دارای ماکزیمم دقت به ترتیب 86,98 %و 100 %و میانگین دقت به ترتیب 31,88 %و 49,86 %هستند.

Keywords:

پیش بینی بیماری هپاتیت , شبکه عصبی , نگاشت خودسازمانده , MLP , SVM , RBF , PCA