این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی اصفهان، جلد ۳۴، شماره ۴۱۶، صفحات ۱۶۸۰-۱۶۸۵
عنوان فارسی تشخیص سردرد میگرنی با طراحی یک سیستم خبره‌ی فازی و به‌ کارگیری الگوریتم یادگیری Learning from Examples (LFE)
چکیده فارسی مقاله مقدمه: سردرد میگرنی یکی از انواع سردردها به شمار می‌رود که از شیوع به نسبت بالایی برخوردار است. اولین قدم برای شروع فرایند درمان، تشخیص آن می‌باشد. از آن‌جایی که منطق فازی توانایی بسیار بالایی در توصیف مفاهیم غیر دقیق و مبهم دارد، از این ابزار جهت ‌مدل‌‌سازی ‌استفاده می‌شود. هدف از انجام پژوهش حاضر، تشخیص سردرد میگرنی با استفاده از منطق و سیستم‌های فازی بود. روش‌ها: با استفاده از منطق فازی و الگوریتم Learning from Examples (LFE)، سیستم خبره‌ای جهت تشخیص میگرن ارایه شد که در آن از موتور استنتاج فازی، مدل استنتاج Mamdani با مشخصه‌های Max-Min به عنوان عملگرهای AND-OR و روش مرکز جرم (Centroid) برای غیر ‌فازی سازی استفاده شد. یافته‌ها: با استفاده از اطلاعات 148 بیمار، سیستم تشخیص میگرن با الگوریتم LFE آموزش داده شد و به‌ طور متوسط 80 قاعده اگر- آنگاه فازی برای سیستم به‌ دست آمد. صحت سیستم آموزش دیده، 97 درصد و دقت، حساسیت و ویژگی سیستم به ‌ترتیب 80، 70 و 94 درصد گزارش شد. در ارزیابی سیستم تشخیص میگرن با‌ کمک شخص خبره مشخص گردید که سیستم تا 81 درصد توانایی تشخیص درست را دارد. نتیجه‌گیری: با توجه به این که قواعد زبانی گرفته شده از شخص خبره ممکن است کامل نباشد و با توجه به اهمیت تشخیص به موقع و همچنین، نتایج مطلوب حاصل از به کارگیری الگوریتم یادگیری LFE و ارزیابی سیستم خبره‌ی پیشنهاد شده، این سیستم می‌تواند در تشخیص سردردهای میگرنی بسیار مفید عمل نماید.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی The Recognition of Migraine Headache by Designing Fuzzy Expert System and Using Learning from Examples (LFE) Algorithm
چکیده انگلیسی مقاله Background: The migraine headache is a kind of most populated headache which its prevalence rate is so high. The first step for starting the treatment is the recognition stage. In addition, the fuzzy logic has good power for describing enigmatic and imprecise aspects; so, this tool could be used for the system modeling. This research aimed to recognize the migraine via using fuzzy logic and systems. Methods: A fuzzy expert system for diagnosis of migraine via Learning from Examples (LFE) algorithm was presented. Mamdani model was used in fuzzy inference engine using Max-Min as Or-And operators and Centroid method was used as defuzzification technique. Findings: Using the data of 148 patients, the migraine diagnostic system was trained by LFE algorithm and in average, 80 pieces of If-Then rules were produced for fuzzy system. The accuracy, precision, sensitivity, and specificity of the system were 97%, 80%, 70%, and 94%, respectively. Using the migraine diagnostic system by human experts, it was proved that the system had the ability of correct recognition by the rate of 81%. Conclusion: As the linguistic rules may be incomplete when human expert express their knowledge and according to importance of early diagnosis and favorable results, the LFE training algorithm is more effective than human experts system for recognition of migraine headache.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله منیره خیام نیا | monireh khayam nia
دانشجوی دکتری ریاضی کاربردی، دانشکده ی ریاضی، دانشگاه پیام نور، تهران، ایران
سازمان اصلی تایید شده: دانشگاه پیام نور تهران (Payame noor university)

محمدرضا یزدچی | mohammad reza yazdchi
دانشیار، گروه مهندسی پزشکی، دانشکده ی فنی و مهندسی، دانشگاه اصفهان، اصفهان، ایران
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

محسن فروغی پور | mohsen foroughi pour
دانشیار، گروه مغز و اعصاب، دانشکده ی پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی مشهد (Mashhad university of medical sciences)

نشانی اینترنتی http://jims.mui.ac.ir/index.php/jims/article/view/7766
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/103/article-103-378700.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقاله پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات