طراحی و به کار گیری دسته بندی کننده های هوش محاسباتی برای آشکار سازی بیماری های کبدی

افزایش نرخ مرگ و میر ناشی از بیماری های کبدی در سال های اخیر مشهود است. از طرفی ظرفیت جبران سازی بالای کبد و عدم بروز علائم بیماری در مراحل اولیه، تشخیص این بیماری را در مراحل نخست مشکل می کند. این در صورتی است که کبد نقش مهمی در اعمال متابولیکی بدن و نیز سیستم گردش خون و گوارش دارد و شناسایی دیرهنگام کبد بیمار غالبا به از دست رفتن کبد و مرگ می انجامد. لذا در این پایان-نامه تلاش بر این است که بتوان کبد بیمار را در مراحل اولیه شناسایی کرد. بدین منظور از روش های هوش محاسباتی بهره گرفته شده است. در مرحله نخست، از شبکه های عصبی چندلایه پرسپترون و پایه شعاعی استفاده شده و نتایج حاصل از این دو نوع شبکه با روش های دیگر مقایسه شده است. سپس برای دخیل کردن دانش پزشک به عنوان فرد خبره در این زمینه، از سیستم های فازی بهره گرفتیم. همان طور که می-دانیم شبکه های عصبی قابلیت یادگیری و آموزش پذیری را دارند اما به مانند یک جعبه سیاه هستند و این مساله موجب می شود نحوه و روند دسته بندی در هنگام ارزیابی نا مشخص و گنگ است شود. این در حالی است که از شبکه های فازی می توان به عنوان جعبه خاکستری یاد کرد که امکان استفاده از دانش فرد آگاه در روند دسته بندی و شناسایی را فراهم می آورد اما این شبکه ها قابلیت یادگیری ندارند. بنابراین جهت ترکیب این دو قابلیت و رفع ضعف های موجود از شبکه های عصبی- فازی به عنوان جایگزین استفاده شد. این روش-ها صحت دسته بندی قابل قبولی ارائه می دهد. سیستم های فازی-عصبی با داده هایی با ابعاد بالا مشکل دارند. این مشکل از اینجا ناشی می شود که تعداد قواعد فازی به صورت نمایی نسبت به تعداد ورودی ها افزایش می-یابد. در این تحقیق سیستم فازی-عصبی سلسله مراتبی برای حل این مشکل پیشنهاد شده است. کارایی این سیستم هم از نظر معیارهای ارزیابی و هم تعداد قواعد و پارامترها با دسته بندی کننده فازی-عصبی مورد مقایسه قرار گرفته است. ارزیابی تمامی الگوریتم ها روی پایگاه داده کبدی bupa انجام شده است. نتایج بدست آمده علاوه بر کاهش تعداد قوانین و پارامترها بیانگر حساسیت، خصوصیت و صحت بالای دسته بندی کننده های پیشنهادی در آشکارسازی کبد بیمار می باشد. در نهایت روشی ارائه شد تا که بار محاسباتی کم تر و حساسیت، خصوصیت و صحت بالاتری در مقایسه با سایر روش ها داشته باشد و در عین حال پیچیدگی های ریاضیاتی آن کمتر بوده و بتواند به عنوان دستیار پزشک و همچنین روشی قابل فهم و کاربردی برای پزشک مورد استفاده قرار گیرد.