استفاده از دسته بند بيز ساده همراه با الگوريتم ژنتيك جهت تشخيص بيماري پاركينسون

Using Naive Bayesian Classification and genetic algorithms for parkinson's disease diagnosis

بيماري پاركيسون يكي از رايج ترين بيماري هاي مربوط به مغز و اعصاب است كه بر روي اندام حركتي انسان تاثير مي گذارد. ميزان دقت و صحت در تشخيص اين بيماري از اهميت ويژه ايي برخوردار است. روش هاي متعددي جهت تشخيص اين بيماري معرفي شده است. در اين پژوهش از داده هاي آموزشي بهينه جهت يادگيري و آموزش طبقه بند بيز ساده با بهرگيري از الگوريتم ژنتيك، براي تشخيص اين بيماري استفاده شده است. نتايج پياده سازي روش پيشنهادي در اين تحقيق كه بروي دادگان پاركينسون دانشگاه كلمبيا انجام گرفت، بيانگر كارايي و دقت بالاي روش پيشنهادي ارائه شده است در مقايسه با روش هاي معرفي شده مي باشد.

Parkinson's disease is one of the most common diseases affecting the brain and nervous system, which affects on human limb. Accuracy in the diagnosis of this disease is an important issue. There are several ways to detect the disease has been introduced. In this study, the optimal training data for learning classifier using genetic algorithms , is used to diagnose this disease.. Results implement the proposed method in this study was performed on the database Parkinson Columbia University, Demonstrated high performance and high accuracy of the proposed method compared to the method is introduced.