پيش بيني بيماري هپاتيت به كمك شبكه عصبي مصنوعي

يكي از روشهاي موثر براي كمك به تشخيص بيماري ها، استفاده از شبكه عصبي و روش هاي داده كاوي است. در اين مقاله قصد داريم چند مدل براي پيش بيني بيماري هپاتيت برمبناي شبكه هاي عصبي ارايه دهيم و آن ها را بر روي اطلاعات بدست آمده از پايگاه داده يUCA پياده سازي كنيم. اطلاعات را به 10 قسمت تقسيم كرده و 10 بار شبكه را اجرا مي كنيم، كه هر بار يك قسمت را به عنوان آموزش و ساير قسمت ها را به عنوان تست به شبكه اعمال كرديم. با اين روش تمام اطلاعات هم در اجرا و هم در تست بكار مي روند و نتايج معتبرتري بدست مي آيد. حسن ديگر اين مقاله اين است كه بعضي از اطلاعات ورودي آن كامل نبوده و شبكه توانايي تخمين در اين موارد نيز دارد. همچنين ما روشمان را با چندين شبكه عصبي پياده سازي كرده و دقت روش ها را با هم مقايسه كرديم. به اين نتيجه رسيديم كه مدل هاي پياده سازي شده با شبكه هاي SVM و SOFM داراي ماكزيمم دقت به ترتيب 98.86% و 100% و ميانگين دقت به ترتيب 88.31% و 86.49% هستند.