محمد راسق قزلباش - دانشکده برق وکامپیوتر گروه مهندسی پزشکی دانشگاه تربیت معلم سبزوار
خسرو رضایی
جواد حدادنیا

دراین مقاله یکسیستم تشخیص خودکار برای تشخیص بیماری هپاتیت براساس الگوریتمی جدیدمرکب از شبکه های عصبی پرسپترون چندلایه MLP و الگوریتم رقابت استعماری ICA پیشنهاد شدها ست که نسبت به روشهای مشابه از دقت و سرعت بالاتری درعملکرد برخوردار می باشد درابتداالگوریتم استعماری در آموزش شبکه عصبی به دنبال بهترین جواب خواهد بود و درگام بعدی شبکه عصبی چندلایه ای طراحی می شود که بصورت هوشمند وجود بیماری هپاتیت را آشکار می سازد مزیت های عمده به کارگیری این الگوریتم درآموزش شبکه عصبی نسبت به دیگر الگوریتم های بهینه سازی درتشخیص بیماری قطعیت دررسیدن به پاسخ صحیح و تحلیل مسائل پیچیده با ابعاد گسترده است برای آموزش شبکه عصبی پیشنهادی از 100 نمونه و برای تست آن از 55 نمونه داده استفاده شده است داده های مورد استفاده از مرجع UCI دریافت شده و با اعمال این داده ها به سیستم الگوریتم پیشنهادی درسطح قابل قبولی با خطای کمتر از 3% درتشخیص بیماری هپاتیت موثر واقع شده است.

تشخیص هپاتیت ، GA,MLP,ICA