دوره 6، شماره 1 - ( بهار 1398 )
جلد 6 شماره 1 صفحات 45-32 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Soleimanian Gharehchopogh F, Mousavi S K. A Decision Support System for Diagnosis of Diabetes and Hepatitis, based on the Combination of Particle Swarm Optimization and Firefly Algorithm. jhbmi 2019; 6 (1) :32-45
URL: http://jhbmi.ir/article-1-326-fa.html
URL: http://jhbmi.ir/article-1-326-fa.html
سلیمانیان قره چپق فرهاد، موسوی سید کیوان. سیستم تصمیم‌یار پزشکی برای تشخیص بیماری دیابت و هپاتیت مبتنی بر ترکیب بهینه‌سازی اجتماع ذرات و الگوریتم کرم شب‌تاب. مجله انفورماتیک سلامت و زیست پزشکی. 1398; 6 (1) :32-45
دکترای مهندسی کامپیوتر، استادیار، گروه مهندسی کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران
چکیده: (6944 مشاهده)
مقدمه: سیستم‌های تصمیم یار پزشکی در قالب یک برنامه کامپیوتری طراحی می‌شوند و به متخصصان پزشکی در اتخاذ تصمیمات تشخیص بیماری، کمک می‌کنند. هدف اصلی این گونه سیستم‌ها در واقع یاری رساندن به پزشکان در زمینه تشخیص بیماری می‌باشد، بدین‌معنی که یک پزشک می‌تواند با سیستم تعامل داشته باشد و در تحلیل داده‌های بیمار، تشخیص‌دهی و سایر فعالیت‌های پزشکی از سیستم کمک بگیرد.
روش: این مطالعه از نوع توصیفی-تحلیلی بود. مجموعه داده‌ها شامل 768 رکورد دیابت با 8 ویژگی و 155 رکورد هپاتیت با 19 ویژگی می‌باشند که از سایت جهانی UCI تهیه شده‌اند و از الگوریتم بهینه‌سازی اجتماع ذرات برای انتخاب ویژگی و از الگوریتم کرم شب‌تاب برای طبقه‌بندی بیماری دیابت و هپاتیت به دو کلاس سالم و ناسالم استفاده شد. از 80 درصد داده‌ها جهت آموزش و از 20 درصد باقی‌مانده جهت آزمون استفاده شد.
نتایج: بررسی اولیه نشان داد صحت الگوریتم‌های بهینه‌سازی اجتماع ذرات و کرم شب‌تاب برای مجموعه داده دیابت به‌ترتیب برابر با 84/41 و 82/08 درصد و برای مجموعه داده هپاتیت به ترتیب برابر با 81/84 و 80/34 درصد به دست آمد. همچنین صحت مدل پیشنهادی برای مجموعه داده دیابت و هپاتیت به ترتیب برابر 95/38 و 94/09 درصد بود.
نتیجه‌گیری: بر اساس یافته‌های این مطالعه، مدل پیشنهادی در مقایسه با الگوریتم‌های بهینه‌سازی اجتماع ذرات و کرم شب‌تاب از نرخ خطای کمتری در تشخیص بیماری برخوردار بود. یافته‌های این پژوهش می‌تواند به پزشکان در تشخیص به موقع بیماری دیابت و هپاتیت کمک نماید.
روش: این مطالعه از نوع توصیفی-تحلیلی بود. مجموعه داده‌ها شامل 768 رکورد دیابت با 8 ویژگی و 155 رکورد هپاتیت با 19 ویژگی می‌باشند که از سایت جهانی UCI تهیه شده‌اند و از الگوریتم بهینه‌سازی اجتماع ذرات برای انتخاب ویژگی و از الگوریتم کرم شب‌تاب برای طبقه‌بندی بیماری دیابت و هپاتیت به دو کلاس سالم و ناسالم استفاده شد. از 80 درصد داده‌ها جهت آموزش و از 20 درصد باقی‌مانده جهت آزمون استفاده شد.
نتایج: بررسی اولیه نشان داد صحت الگوریتم‌های بهینه‌سازی اجتماع ذرات و کرم شب‌تاب برای مجموعه داده دیابت به‌ترتیب برابر با 84/41 و 82/08 درصد و برای مجموعه داده هپاتیت به ترتیب برابر با 81/84 و 80/34 درصد به دست آمد. همچنین صحت مدل پیشنهادی برای مجموعه داده دیابت و هپاتیت به ترتیب برابر 95/38 و 94/09 درصد بود.
نتیجه‌گیری: بر اساس یافته‌های این مطالعه، مدل پیشنهادی در مقایسه با الگوریتم‌های بهینه‌سازی اجتماع ذرات و کرم شب‌تاب از نرخ خطای کمتری در تشخیص بیماری برخوردار بود. یافته‌های این پژوهش می‌تواند به پزشکان در تشخیص به موقع بیماری دیابت و هپاتیت کمک نماید.
واژه‌های کلیدی: سیستم تصمیم یار پزشکی، تشخیص بیماری، بیماری دیابت، بیماری هپاتیت، الگوریتم بهینه‌سازی اجتماع ذرات، الگوریتم کرم شب‌تاب
eprint link: http://eprints.kmu.ac.ir/id/eprint/31284
eprint link: http://eprints.kmu.ac.ir/id/eprint/31284
نوع مطالعه: پژوهشي اصیل |
موضوع مقاله:
سیستم های تصمیم یار بالینی
دریافت: 1397/4/27 | پذیرش: 1397/7/19
دریافت: 1397/4/27 | پذیرش: 1397/7/19
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
