زینب حسنی - مربی گروه علوم کامپیوتر، دانشکده علوم پایه، دانشگاه کوثر بجنورد، ایران

در سال های اخیر با پیشرفت هوش مصنوعی، تکنیک های هوش مصنوعی و یادگیری ماشین در تشخیص و پیش بینی بیماری ها برای بهبود و پیشگیری درمان بیماران موثر بوده است و همچنین باعث کاهش هزینه درمان شده است. بیماری نارسایی کبد یکی از بیماری های شایع است که تشخیص و درمان به موقع بیماری باعث پیشگیری بیماری می-شود. در این مقاله از دو مجموعه داده بیماری نارسایی کبد BUPA و ILPD استفاده شده است. مجموعه داده BUPA دارای 6 ویژگی با 345 داده بیمار و مجموعه داده ILPD دارای 10 ویژگی با 538 داده بیماران کبدی می-باشند. از شبکه عصبی پرسپترون چندلایه برای پیش بینی بیماری نارسایی کبد استفاده شده است. صحت شبکه عصبی مجموعه دادهBUPA و ILPD به ترتیب برابر با 75.9 و 82.1 درصد و میانگین مربعات خطا مجموعه دادهBUPA و ILPD به ترتیب برابر با 0.1995 و 0.1394 بدست آمده اند. با متوارن سازی داده های دو مجموعه داده بیماران نارسایی کبد، صحت نتایج دو مجموعه داده افزایش و میانگین مربعات خطا آن ها کاهش یافته است.

شبکه عصبی، پرسپترن چندلایه، کبد، بیماری نارسایی کبدی