تشخيص بيماري‌هاي دستگاه ادراري با الگوريتم تركيبي تابع پايه شعاعي و بهينه سازي ازدحام ذرات

Diagnosing urinary tract diseases with radial basis function combined algorithm and particle swarm optimization

با توجه به پيشرفت‌هاي حاصله در تشخيص بيماري، لزوم تشخيص بهتر بيماري‌هاي دستگاه ادراري نيز به دليل داشتن نشانه‌هاي مشخص حائز اهميت است. در اين پژوهش، سه روش، شبكه عصبي Rbf و الگوريتم بهينه‌سازي ازدحام ذرات، شبكه عصبي پس انتشار خطا، شبكه عصبي rbf بدون بهينه سازي براي تشخيص بيمار يا سالم بودن و نوع بيماري مجاري ادراري مورد بررسي قرار گرفت. در روش پيشنهادي براي رسيدن به نتايج بهينه‌تر از الگوريتم بهينه‌سازي ازدحام ذرات استفاده كرده‌ايم. از شبكه عصبي تابع پايه شعاعي و بهينه‌سازي ازدحام ذرات براي تشخيص نوع بيماري‌هاي مجاري ادراري استفاده شده است. صحت روش در بررسي بيمار يا سالم بودن و يا تشخيص نوع بيماري به ترتيب داراي نتيجه ۰.۹۵ و ۰.۹۱ مي‌باشد.

According to the progress made in the diagnosis of the disease, the need for a better diagnosis of urinary tract diseases is also important due to having specific symptoms. In this research, three methods, Rbf neural network and particle swarm optimization algorithm, neural network after error propagation, rbf neural network without optimization were investigated to diagnose whether the patient is healthy or not, and the type of urinary tract disease. In the proposed method, we have used the particle swarm optimization algorithm to achieve more optimal results. Radial basis function neural network and particle swarm optimization have been used to diagnose urinary tract diseases. The accuracy of the method in examining whether the patient is healthy or diagnosing the type of disease has the results of 0.95 and 0.91, respectively.