تشخيص هوشمند بيماري هاي كبدي با استفاده از شبكه فازي عصبي تطبيقي

سلامت جامعه كه در درجه اول روي نتيجه پژوهش هاي پزشكي بنا مي شود تاثير زيادي بر همه فعاليت هاي انساني دارد. تصميم گيري در پزشكي توسط كارشناسان بسيار مشكل مي باشد زيرا پردازش انبوهي از از داده ها وتشخيص دقيق كار دشواري است.تشخيص در اين جا داراي يك نقش بسيار مهم وحياتي است.اين اولين مرحله از مجموعه اقدامات درماني است وخطا در اين سطح مي تواند عواقب چشم گيري داشته باشد.بنابراين حضور تكنولوژي در مرحله تشخيص به دليل مزاياي آن مي باشد: پراگماتيسم,تكرار,بهره وري, ايمني نسبت به عوامل اغتشاش كه براي انسان به وجود مي آيد.(خستگي استرس كاهش توجه) لين فن آوري متخصص را در اين نقطه جايگزين نمي كند بلكه فقط سعي مي كند به آن ها كمك كند. مواد وروش ها: در ابتدا 17 بيماري را به سه مجموعه بيماري نزديك به هم تقسيم بندي نموده ودر گام بعدي با داشتن 7 ورودي براي هر مجموعه به طراحي شبكه فازي عصبي تطبيقي آن پرداخته مي شود كه به صورت هوشمند مجموعه بيماري كبدي مورد نظر را آشكار مي سازد. براي آموزش سيستم پيشنهادي در مجموع از 255 نمونه وبراي تست آن از 35 نمونه داده استفاده شده است.دو پايگاه داده براي آموزش شبكه در اختيار داشتيم كه يك پايگاه از بيماران كبدي را از بيمارستان الزهراي اصفهان و مركز تحقيقات رسول اصفهان و بيمارستان اشرفي اصفهاني و درمانگاه وليعصر اصفهان جمع آوري شد.يك پايگاه داده ديگر پايگاه داده BUPA مربوط به بيماران كبدي شامل 345 فرد بود كه براي مقايسه با نتايج مورد استفاده قرار گرفت. بحث ونتيجه گيري:در اين مقاله يك سيستم هوشمند تشخيص خودكار براي تشخيص بيماري هاي 17 گانه كبدي بر اساس تشخيص الگوي بيماري توسط الگوريتم شبكه هاي عصبي عصبي فازي تطبيقي پيشنهاد شده است كه نسبت به روش هاي مشابه از دقت و سرعت بالاتري در عملكرد برخوردار مي باشد. مزيت هاي عمده به كارگيري اين الگوريتم هوشمند در تنظيم توابع عضويت فازي نسبت به ديگر الگوريتم هاي بهينه سازي در تشخيص بيماري قطعيت در رسيدن به پاسخ صحيح وتحليل مسايل پيچيده با ابعاد گسترده است.با اعمال داده هابه سيستم الگوريتم پيشنهادي در سطح قابل قبولي با خطايكمتر از 3 درصد در تشخيص سه مجموعه بيماري موثر واقع شده است.