خدیجه صحراگرد - گروه کامپیوتر و فناوری اطلاعات، دانشگاه تربت حیدریه
علی ماروسی - گروه کامپیوتر و فناوری اطلاعات، دانشگاه تربت حیدریه
ایمان ذباح - گروه مهندسی نرم افزار، هییت علمی دانشگاه آزاد اسلامی واحد تربت حیدریه

بیماری های غده تیرویید از جمله بیماری هایی به شمار می روند که در آن ها تشخیص بهنگام و صحیح اختلالات تیرویید بر پایه تست های آزمایشگاهی و علایم بیماری امری حیاتی می باشد. عدم تشخیص به موقع عملکرد غیرطبیعی تیرویید، می تواند عوارض جبران ناپذیری برای بیمار در پی داشته و منجر به مرگ وی گردد. هدف ما در این پژوهش تعیین وضیعت غده تیرویید از نظر نرمال بودن، پرکاری یا کم کاری تیرویید با استفاده از تکنیک های داده کاوی می باشد. این مطالعه از نوع توصیفی- تحلیلی بوده و پایگاه داده آن شامل 7200 رکورد مستقل مبتنی بر 21 ویژگی و برگرفته شده از مرجع داده UCI می باشد. در این پژوهش روش شبکه های عصبی و روش ترکیب شبکه های عصبی با الگوریتم ژنتیک به منظور تشخیص بیماری تیرویید ارایه می شود. پس از مدل سازی و مقایسه مدل های تولید شده توانستیم بیماری تیرویید را با استفاده از روش ترکیب شبکه های عصبی با الگوریتم ژنتیک با معیارهای ارزیابی ضریب تبیین0/8299=R2 و متوسط مربع خطا 0/0057=MSE پیش بینی کنیم. شبکه طراحی شده با این روش دارای کم ترین خطا نسبت به شبکه های عصبی است. هم چنین، میزان خطای پیش بینی توسط مدل شبکه های عصبی مصنوعی ترکیب شده با استفاده از الگوریتم ژنتیک از لحاظ معیارهای ارزیابی عملکرد نسبت به روش شبکه های عصبی مصنوعی برتری دارد.

تشخیص بیماری تیرویید، ترکیب شبکه های عصبی و الگوریتم ژنتیک