ترکیب شبکه عصبی MLP و الگوریتم ژنتیک موازی برای تشخیص بیماری هپاتیت مبتنی بر تکنیک FineGrain

امروزه استفاده از سیستم های هوشمند در تشخیص پزشکی به تدریج در حال افزایش است. این سیستم ها می توانند به کاهش خطایی که ممکن است توسط کارشناسان کم تجربه اتفاق بیافتد، کمک کند[ 10 ]. بدین منظور در این تحقیق استفاده از سیستم های هوشمند مصنوعی در پیش بینی و تشخیص بیماری هپاتیت که امروزه در جهان گسترش بسیار زیادی پیدا کرده است، مورد توجه می باشد. در این تحقیق فرآیند تشخیص بیماری هپاتیت با یک رویکرد دو مرحله ای انجام می شود. در مرحله اول پارامترهای ویژگی های موثر، اندازه لایه مخفی و وزن های شبکه عصبی MLP به صورت همزمان توسط یک الگوریتم ژنتیک موازی بهینه سازی می شوند. سپس بر مبنای پارامترهای بهینه شده، یک مدل طبقه بندی MLPبرای تشخیص بیماری هپاتیت در مرحله دوم ایجاد می شود. در اینجا از تکنیک FineGrain برای موازی سازی الگوریتم ژنتیک و تنظیم وزن ها به صورت لایه به لایه استفاده می شود. نخبه گرایی میان الگوریتم های ژنتیک با ایجاد یک حافظه مشترک انجام می شود. ارزیابی آزمایش ها نشان می دهد که روش پیشنهادی در مقایسه با دو روش GAANN و CAFS روی مجموعه داده هپاتیت به نتایج بهتری رسیده است و دقت 98.72 % را در حالت میانگین گزارش می کند

کلیدواژه ها:

تشخیص بیماری هپاتیت ، شبکه عصبی MLP ، الگوریتم ژنتیک موازی ، تکنیک های FineGrain