سیستم خبره تشخیص بیماری های تیروئیدی

دراین مقاله، تیم پی سی اسکریپت برای تشخیص اختلال های تیروئید را با استفاده از یک سیستم خبرۀ مبتنی بر آنتولوژی و روش فازی عصبی پیشنهاد می دهد.

چکیده:

سیستم­های خبره یا مبتنی بر دانش، رایج­­ ­­ترین نوع سیستم­­های هوش مصنوعی در علم پزشکی­در کاربرد ها و استفاده­های کلینیکی هستند. آنها شامل دانش پزشکی هستند که این دانش معمولاً در محدودۀ وظیفه و عملیاتی است که به صورت مخصوص برای او تعریف شده است. سیستم های خبره می توانند با استفاده از داده های مربوط به هر بیمار، نتیجه گیری منطقی و معقولی را به دست آورند. با وجود تغییرات فراوان و تفاوت های موجود، دانش درون سیستم خبره، بسته به نوع آن، در قالب مجموعه ای از قوانین، نمایش داده می شود.

دراین مقاله، تیم پی سی اسکریپت برای تشخیص اختلال های تیروئید را با استفاده از یک سیستم خبرۀ مبتنی بر آنتولوژی و روش فازی عصبی پیشنهاد می دهد. OBESTDD مخفف عبارت “سیستم خبرۀ مبتنی بر آنتولوژی برای تشخیص اختلال تیروئید “است. در این تشخیص، از آنتولوژی برای مدل سازی محتوا و مفاهیم دانش حوزه ای، و همچنین استنتاج تشخیص مرتبط با بیماری بر اساس قوانین، استفاده می شود.

فایدۀ آنتولوژی این است که دانش ارائه شده، هم برای کامپیوتر و هم برای انسان، به اندازۀ کافی خوانایی دارد. استفاده از آنتولوژی در حوزۀ پزشکی و مراقبت های بهداشتی، باعث شده است که افراد متخصص و یا غیر متخصص در این حوزه بتوانند به راحتی دانش خود را ارائه دهند. همچنین ما با استفاده از روش فازی عصبی، توانستیم قوانین فازی را به دست آورده و آنها را در سیستم ESTDD جایگذاری کنیم. به این صورت، این سیستم توانست اختلال تیروئید را با دقت 95.33% تشخیص دهد. علاوه بر این، می توان از این سیستم برای آموزش دانشجویان رشته پزشکی نیز استفاده کرد.

بیان مساله:

در تشخیص اختلال تیروئید، مسائلی مانند تفسیر مناسب از داده های تیروئیدی در کنار آزمایشات کلینیکی و بررسی های تکمیل کننده، اهمیت بسیاری دارند. برای تعریف مناسبی از وضعیت بیمار، روش های جدید متعددی نظیر روش های آنتولوزی، شناسایی الگو، کلاسیفایر های فازی و غیره مورد استفاده قرار می گیرند.

داده های مورد استفاده روش فازی، مربوط به مجموعه دادۀ تیروئیدی هستند که از بخش تفسی یادگیری ماشین UCI گرفته شده اند. دلیل استفاده از این مجموعه داده، رواج کاربرد آن در بین سایر سیستم های کلاس بندی است که برای مقایسه سیستم خود برای مسئله تشخیص تیروئید، از آنها استفاده می کنیم.

با استفاده از روش فازی عصبی، برای این مجموعه داده، چندین قانون فازی را انتخاب کرده ایم، که در ترکیب با روش اعتبار سنجی متقابل 10 فولدی، نتیجه معتبر تری (95.33%) را به دست می آورند. در مقایسه با نتایج کلاس بندی سایر متد های موجود در ادبیات و تحقیقات انجام شده،می توان گفت ارزیابی نتایج به دست آمده از روش پیشنهادی ما، موفقیت آمیز تر بوده است. مهندس دانش از این قوانین فازی در موتور استنتاجی سیستم خبره تشخیص تیروئید، استفاده می کند.[2]

بخش های این مقاله، به این صورت نوشته شده اند: در بخش 2: سیستم خبرۀ مبتنی بر آنتولوژی برای تشخیص اختلال تیروئید²، بخش3 به بررسی سیستم خبرۀ تشخیص اختلال تیروئید³ در روش کلاس بندی فازی پرداخته می شود. ، در بخش 4نتیجه گیری و کار های آینده انجام می شود.

کلمات کلیدی: آنتولوژی، سیستم خبره، فازی عصبی،تشخیص تیروئید.

ادامه مطلب