بررسی و مقایسه الگوریتم فازی ‏‎(c-means)‎‏ و تحلیل خوشه ای ‏‎(k-means)‎‏ در بیمار عفونت ادراری

چون در اکثر رویدادها علم پزشکی بصورت غیرقطبی و مبهم با علائم فیزیولوژیکی بیان می شوند و این نوع مطالعات عموما مبهم و نادقیق هستند. در نتیجه برای بررسی این مفاهیم براساس نظریه های تئوریهای فازی و الگوریتم های آن که مهمترین آنها خوشه بندی فازی است استفاده می شود و از ویژگیهای مهم الگوریتم خوشه بندی فازی آنست که در ساختار الگوریتم فازی در خوشه بندی از تابع عضویت فازی استفاده می شود و یک فرد ممکن است به بیش از یک خوشه با درجات عضویت مختلف تعلق داشته باشد. در تشخیص پزشکی درجه حضور و نشانه های تعیین کننده درجه حضور بیماری در افراد می باشد. لذا فرد ممکن است با درجات عضویت مختلف به خوشه های نرمال یا غیرنرمال و یا با الگوهای بیماریهای مختلف خوشه بندی شود. در این تحقیق سعی می شود که با بیان دقیق الگوریتم های فازی ‏‎(c-means)‎‏ و تحلیل خوشه ای ‏‎(k-means)‎‏ و مبتنی بر دو روش فوق در مورد نمونه 1095 نفری مراجعه کننده جهت آزمایش کشت ادرار به بخش پاتولوژی بیمارسان شهید مصطفی خمینی (ره) که بر اساس پارامترهای پیوری و نیتریت و باکتریوری نتیجه کشت ادرار مشخص شده است و کاربرد خوشه بندی از طریق الگوریتم فازی ‏‎(c-means)‎‏ به دلیل درجه عضویت فازی و دقت در خوشه بندی از روش خوشه بندی ‏‎(k-means)‎‏ و خوشه بندی های معمولی و نمونه تحقیق خصوصا به نتایج مطلوبتری می انجامد و در نهایت بررسی می شود که الگوریتم فازی ‏‎(c-means)‎‏ بستگی به میزان ابهام و درجه عضویت فازی داده های نمونه برای خوشه بندی مناسب تر است.