این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت اطلاعات سلامت، جلد ۱۶، شماره ۳، صفحات ۱۱۵-۱۲۱
عنوان فارسی تشخیص اختلالات کبد با استفاده از ترکیب سیستم استنتاج عصبی- فازی تطبیقی و الگوریتم بهینه‌سازی ازدحام ذرات
چکیده فارسی مقاله مقدمه: بروز بیماری‌های کبد می‌تواند فرد را در طولانی مدت مستعد سرطان کبد نماید که از مرگبارترین نوع سرطان‌ها در جهان به شمار می‌رود و در عین حال، قابل پیشگیری است. تشخیص زودهنگام بیماری‌های کبدی، امری ضروری جهت درمان آن‌ها می‌باشد. هدف از انجام پژوهش حاضر، دسته‌بندی وضعیت بیماران کبدی بر اساس شاخص‌های آزمایشگاهی با استفاده از رویکرد داده‌کاوی بود . روش بررسی : در این مطالعه توصیفی، از الگوریتم‌های بهینه‌سازی ازدحام ذرات PSO (Particle Swarm Optimization) و سیستم استنتاج عصبی- فازی تطبیقی ANFIS (Adaptive Neuro-Fuzzy Inference System) برای تشخیص اختلالات کبد در افراد سالم و بیمار استفاده گردید. بدین ترتیب، داده‌ها از پایگاه داده معتبر دانشگاه کالیفرنیا- ارواین UCI (University of California-Irvine) دریافت شد. برای ارزیابی روش پیشنهادی، معیارهای دقت، حساسیت و صحت مورد استفاده قرار گرفت. یافته‌ها : ترکیب ANFIS و الگوریتم PSO با متوسط صحت 14/99 درصد برای مجموعه داده مبتلایان به بیماری‌های کبدی در هند ILPD (Indian Liver Patient Dataset) قادر به تشخیص اختلالات کبدی بود. نتیجه‌گیری: نتایج به دست آمده حاکی از توانمندی بالای مدل ANFIS در تشخیص اختلالات کبد می‌باشد. مدل پیشنهادی نسبت به سایر مدل‌های مورد مقایسه دارای حداقل میزان خطا و بیشترین صحت و دقت است. بنابراین، به کارگیری این مدل در زمینه تشخیص بیماری‌های کبد پیشنهاد می‌شود.
کلیدواژه‌های فارسی مقاله داده‌کاوی، تشخیص، بیماری‌های کبد، بیماران، اکتشافی،
عنوان انگلیسی Diagnosis of Liver Disorders Using a Combination of Adaptive Neuron-Fuzzy Inference System and Particle Swarm Optimization Algorithm
چکیده انگلیسی مقاله Introduction : The incidence of liver diseases in a person can lead to susceptibility to liver cancer in long-term, which is one of the deadliest forms of cancer in the world, which can be prevented. Early diagnosis of liver diseases is essential for their treatment. The purpose of this study was to classify the status of liver patients based on laboratory parameters using the data mining approach. Methods : In this descriptive study, particle swarm optimization (PSO) algorithms and adaptive neuron-fuzzy inference system (ANFIS) were used to diagnose liver disorders in healthy individuals and patients. The data were taken from University of California-Irvine (UCI) database. Accuracy, sensitivity, and precision criteria were used to evaluate the proposed method. Results : The combination of ANFIS and PSO algorithm with average accuracy of 14.99 percent was able to detect liver disorders in Indian Liver Patient Dataset (ILPD). Conclusion : The results of this study indicate the high abilities of ANFIS in liver disorders detection. The proposed model has minimum error, and maximum accuracy and precision compared to other models. The application of this model is proposed in the detection of liver diseases.
کلیدواژه‌های انگلیسی مقاله Data Mining,Diagnosis,Liver Diseases,Patients,Heuristics
نویسندگان مقاله محمد حسن احمدی |
استادیار، مهندسي کامپيوتر، گروه مهندسي کامپيوتر، واحد مبارکه، دانشگاه آزاد اسلامي، اصفهان، ايران

محمدرضا رمضان‌پور |
استادیار، مهندسي کامپيوتر، گروه مهندسي کامپيوتر، واحد دولت‌آباد، دانشگاه آزاد اسلامي، اصفهان، ايران

ریحانه خورسند |


نشانی اینترنتی http://him.mui.ac.ir/index.php/him/article/view/3886
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/110/article-110-1954889.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