ارائه الگويي براي تشخيص بيماري تيروئيد بر پايه استخراج قوانين با استفاده از الگوريتم¬هاي درختي و انتخاب ويژگي

كارشناسي ارشد

چكيده تشخيص صحيح و به موقع بيماري، جهت درمان صحيح بيماران، از ضروريات حوزه پزشكي مي‌باشد. اين موضوع زماني بيشتر اهميت پيدا مي‌كند كه، با بيماري‌هاي متفاوتي با علايم مشابه، مواجه مي‌شويم. كه هركدام از آنها نياز به تشخيص درست، و درمان صحيح در راستاي بيماري واقعي فرد دارند. ازجمله اين بيماري‌ها، بيماري تيروئيد مي‌باشد كه، علايم مشابهي با تعدادي از بيماري‌ها، ازجمله بيماري‌هاي قلبي و عروقي دارد. تكنيك‌هاي داده‌كاوي و يادگيري ماشين، روش‌هاي قابل اعتماد و ارزشمندي هستند، كه امكان بالا بردن توانايي پزشكان، در تشخيص صحيح بيماري‌ها و درمان درست آن را فراهم مي‌كنند. هدف از اين پژوهش، استخراج قوانين بيماري تيروئيد، و انتخاب بهترين رويكرد با، ايجاد ويژگي و انتخاب ويژگي‌هاي تاثيرگذار، با استفاده از رويكردهاي فيلترينگ، فوروارد سلكشن و الگوريتم ژنتيك، مي‌باشد. همچنين بررسي و ارزيابي، عملكرد مدل‌هاي، درخت تصميم، جنگل تصادفي و مدل‌هاي تركيبي بگينگ، بوستينگ و استكينگ جهت تشخيص، وبهبود دقت كلاس‌هاي بيماري شامل كلاس كم‌كار و پركار بيماري تيروئيد، برروي ويژگي‌هاي انتخاب شده، مي‌باشد. ارزيابي با معيارهاي دقت كل، دقت كلاس‌هاي بيماري و f-measure صورت گرفت. اين پژوهش بر روي داده‌هاي دانشگاه كاليفرنيا(UCI)، شامل 7200 ركورد با 21 ويژگي انجام گرفت. نتايج هر كدام از روش‌ها، با معيارهاي دقت‌كل وf-measure مقايسه گرديد، بررسي نشان داد كه، كارآمدترين روش براي انتخاب ويژگي بر روي داده‌هاي اين تحقيق، الگوريتم ژنتيك، و بهترين مدل طبقه‌بندي، بوستينگ درخت‌تصميم با ويژگي‌هاي ايجاد شده، مي‌باشد.

192286

دانشگاه علم و صنعت ايران

دكتر بابك اميري

مديريت فناوري اطلاعات - كسب و كار الكترونيك

دكتر محمد فتحيـان