تشخیص زود هنگام بیماری کبد با رویکرد داده کاوی مبتنی بر الگوریتم های فراابتکاری

از آن کجا که کبد نقش حیاتی در بدن انسان دارد، هرگونه اختلال در کبد باعث مشکلات جدی و بعضا جبران ناپذیر در بدن میشود؛ از این رو تشخیص زودهنگام بیماری کبد لازم و ضروری است. با توجه به عدم اطمینان به داده های پزشکی و تشخیص اشتباه بیماری و در نتیجه درمان نامنا سب بیماری، در سالهای اخیر متخصصین تصمیم به ا ستفاده از تکنیکهای هو شمند نموده اند. به کارگیری دانش داده کاوی و الگوریتم های یادگیری ماشین همراه با الگوریتمهای فراابتکاری در حوزه تشخیص بیماری از جمله شیوه های هوشمندی است که میتواند با تحلیل ویژگیهای موثر مشکلات کبدی را زودتر و دقیق تر تشخیص دهد. در این پژوهش روش ترکیبی منطبق بر متدولوژی CRISP-DM و دارای دو مرحله یادگیری میبا شد. در روش پیشنهادی ویژگیهای موثر در بیماری کبدبا استفاده از الگوریتم فراابتکاری زنبور عسل مصنوعی شناسایی می شود. این الگوریتم مانند دیگر الگوریتم های فراابتکاری زمانی که ابعاد داده بزرگ میباشد، کارایی محاسباتی پایینی دارد. برای حل این مشکل از روش ماشین بردار پشتیبان استفاده شده است. در این پژوهش، در فاز ارزیابی بهدلیل نامتوازن بودن داده های پز شکی با ا ستفاده از روش اعتبار سنجی متقابل مونت کارلو، عملکرد روش پیشنهادی سنجیده میشود. دقت روش پیشنهادی 98%، حساسیت 97% و مشخصه 98% میباشد.

کلیدواژه ها:

الگوریتم فراابتکاری کلونی زنبور عسل مصنوعی ، مونت کارلو ، SVM ، KNN ، متدولوژی CRISP-DM