ارايه يك مدل استنتاج فازي جهت مديريت عدم قطعيت در شناسايي بيماري پسوريازيس

A Fuzzy Inference System for Managing Uncertainty in Detection of Psoriasis Disease

پسوريازيس يك بيماري پوستي مزمن خودايمني است. اين بيماري زماني رخ مي‌دهد كه سيستم ايمني بدن سيگنال‌هاي اشتباهي مي‌فرستد. اين سيگنال‌ها باعث افزايش بيش از حد سلول‌هاي پوستي از ميزان ريختن آن‌ها ميشود. تشخيص افتراقي پسوريازيس نياز به صرف هزينه و زمان زيادي دارد و تشخيص نادرست و يا با تأخير آن پيامدهاي مخاطره آميزي براي بيمار به همراه خواهد داشت. اين امر نياز به يك سيستم فازي جهت مديريت عدم قطعيت در علائم اوليه جهت تشخيص زودهنگام بيماري پسوريازيس، به منظور افزايش احتمال درمان آن را نشان ميدهد. در اين مقاله يك سيستم هوشمند فازي بر اساس پارامترهاي غيرقطعي بيانگر عوامل مؤثر در ابتلا به بيماري جهت تشخيص پسوريازيس ارائه شده است. سيستم طراحي شده با استفاده از دادههاي واقعي بيماران مورد ارزيابي قرار گرفته است. بررسيهاي انجام شده نشان ميدهد كه روش ارائه شده در اين پژوهش داراي ميزان ميانگين مربع خطاي 189/0 ميباشد، كه قابل رقابت با روشهاي موجود است. استفاده از اين سيستم هوشمند جهت تشخيص زودهنگام بيماري و ارائه درمانهاي لازم اميدبخش است.

Applying hybrid computational intelligence. Methods based on evolutionary algorithm and neural networks to select effective features in the diagnosis of psoriasis