بهينه سازي يك سيستم خبره توسط الگوريتم ژنتيك به منظور پيش بيني هپاتيت

تشخيص بيماري هپاتيت با توجه به علائم باليني اندكي كه در مراحل اوليه دارد، بسيار دشوار است. روش هايي كه بتوانند بر اساس استخراج دانش از داده هاي پزشكي به تشخيص زود هنگام اين بيماري كمك كنند، بسيار حائز اهميت هستند. يكي از روش هاي مطرح در استخراج دانش، استفاده از الگوريتم هاي داده كاوي است. كه اين روش ها در مقايسه با روش هاي يادگيري ماشين، دقت كمتري در پيش بيني دارند. اين روش ها مجموعه قوانيني از داده ها را استخراج مي كنند كه قابل تجزيه و تحليل مي باشد. در نتيجه در مواردي كه نياز به استنتاج داريم، از جمله موارد پزشكي نقش بسيار مهمي ايفا مي كنند. در اين مقاله ابتدا با استفاده از الگوريتم درخت تصميم و روش ياديگري قانون وابستگي كه دو روش رايج و قدرتمند داده كاوي هستند قوانين متعددي از مجموعه داده هاي مربوط هپاتيت استخراج شده و سپس يك زير مجموعه از موثرترين اين قوانين توسط الگوريتم ژنتيك انتخاب گرديده است. دقت نتايج حاصله با روش كلاسه بندي نايوبيز مورد مقايسه قرار گرفته و دقت 77% را نشان داده است. نتيجه نمايانگر 6% افزايش دقت نسبت به روش كلاسه بندي نايوبيز مي باشد. بر اساس مطالب گفته شده، يك سيستم خبره پيش بيني كننده توسط نرم افزار كليپس طراحي شده است، كه مي تواند در امر پيش بيني بيماري هپاتيت به افراد متخصص اين حوزه كمك بالقوه اي كند.