تشخیص هوشمند بیماری هپاتیت با استفاده از آنالیز اجزای اصلی و هم جوشی طبقه بندی کننده ها

سابقه و هدف: در سال های اخیر، بیماری هپاتیت در جهان بسیار شیوع پیدا کرده است. تشخیص صحیح بیماری هپاتیت کار ساده ای نمی باشد. هدف از این مقاله، ارائه یک سیستم هوشمند مبتنی بر تکنیک های یادگیری ماشین جهت تشخیص بیماری هپاتیت می باشد. مواد و روش ها: الگوریتم پیشنهادی شامل سه مرحله اساسی می باشد: کاهش ابعاد، طبقه بندی و هم جوشی طبقه بندی کننده ها با یک دیگر. مجموعه داده ها از انباره داده های پایگاه داده ی uci گرفته شده است. در ابتدا تمام داده ها نرمال شده اند. سپس با استفاده از آنالیز اجزای اساسی تعداد ویژگی ها به 10 کاهش پیدا کرده است. در مرحله بعد از سه طبقه بندی کننده جهت مدل سازی داده ها استفاده گشته است. جهت بهبود کارایی و اطمینان بیش تر به نتایج سیستم، نتایج این سه طبقه بندی کننده با استفاده از رای گیری وزن دار با هم ترکیب شده است. یافته ها: الگوریتم پیشنهادی توانست با استفاده از اعتبارسنجی منقطع 10 لایه، دقت 32/96 را ارائه دهد که نسبت به کارهای مشابه نتیجه خوبی می باشد.  نتیجه گیری: با توجه به نتایج، سیستم پیشنهادی می تواند به عنوان یک همیار هوشمند جهت تشخیص نهایی پزشکان مورد استفاده قرار گیرد