تشخیص هوشمند بیماری هپاتیت با استفاده از آنالیز اجزای اصلی و هم‌جوشی طبقه‌بندی‌کننده‌ها

  سابقه و هدف: در سال‌های اخیر، بیماری هپاتیت در جهان بسیار شیوع پیدا کرده است. تشخیص صحیح بیماری هپاتیت کار ساده‌ای نمی‌باشد. هدف از این مقاله، ارائه یک سیستم هوشمند مبتنی بر تکنیک‌های یادگیری ماشین جهت تشخیص بیماری هپاتیت می‌باشد. مواد و روش‌ها: الگوریتم پیشنهادی شامل سه مرحله اساسی می‌باشد: کاهش ابعاد، طبقه‌بندی و هم‌جوشی طبقه‌بندی‌کننده‌ها با یک‌دیگر. مجموعه داده‌ها از انباره داده‌های پایگاه داده‌ی UCI گرفته شده است. در ابتدا تمام داده‌ها نرمال شده‌اند. سپس با استفاده از آنالیز اجزای اساسی تعداد ویژگی‌ها به 10 کاهش پیدا کرده است. در مرحله بعد از سه طبقه‌بندی‌کننده جهت مدل‌سازی داده‌ها استفاده گشته است. جهت بهبود کارایی و اطمینان بیش‌تر به نتایج سیستم، نتایج این سه طبقه‌بندی‌کننده با استفاده از رای‌گیری وزن‌دار با هم ترکیب شده است. یافته‌ها: الگوریتم پیشنهادی توانست با استفاده از اعتبارسنجی منقطع 10 لایه، دقت 32/96 را ارائه دهد که نسبت به کارهای مشابه نتیجه خوبی می‌باشد.  نتیجه‌گیری: با توجه به نتایج، سیستم پیشنهادی می‌تواند به عنوان یک همیار هوشمند جهت تشخیص نهایی پزشکان مورد استفاده قرار گیرد