طراحي يك سيستم فازي عميق مبتني بر قاعده به منظور تعيين سطح افسردگي

افسردگي يكي از شايع‌ترين اختلالات رواني عصر حاضر است كه تشخيص زودهنگام شدت آن مي‌تواند در روند درمان مفيد باشد. يكي از روش‌هاي تشخيص اين بيماري، تحليل اطلاعات حاصل از سيگنال‌هاي الكتريكي مغزي مي‌باشد. در اين مقاله، به دنبال تمايز ميان سطوح افسردگي با استفاده از تحليل سيگنال مغزي هستيم. مدل پيشنهادي، سيستم عميق مبتني بر قاعده با استفاده از قابليت پشته است و تمركز روي تفسيرپذيري قواعد در كنار دقت بالا مي‌باشد. سيستم‌هاي فازي قابليت مناسبي را در طبقه‌بندي دادگان پزشكي با عدم قطعيت نشان داده‌اند. افزون بر اين، در سال‌هاي اخير يادگيري عميق، توجه ويژه‌اي را در حوزه‌ي هوش مصنوعي كسب كرده است. در اين مقاله به دنبال بهره‌گيري از قابليت‌هاي هر دو رويكرد، در قالب يك سيستم فازي عميق هستيم. سيستم پيشنهادي از يك رويكرد خوشه‌بندي مقاوم بهره مي‌برد كه قادر است تعداد خوشه‌هاي بهينه براي هر لايه را به صورت بدون سرپرست تعيين نمايد. در كنار آن، مدل پيشنهادي از يك ساختار سلسله‌مراتبي پشته‌اي بهره مي‌برد، به اين صورت كه قواعد آموزش‌يافته‌ي تفسيرپذير در لايه‌ي اول را با برچسب‌هاي زباني يك‌سان براي تمام ورودي‌ها، به صورت خروجي لايه‌ي اول در كنار ورودي، به لايه‌ي بعد منتقل نمايد. وجود خروجي قواعد لايه‌هاي قبل در فضاي ورودي لايه‌هاي بعد معادل قابليت اطمينان در سيستم فازي با تالي خطي يا يك سيستم فازي با تالي غيرخطي مي‌باشد. دادگان مورد استفاده پس از پيش‌پردازش، استخراج ويژگي‌هاي زماني، فركانسي و غيرخطي نظير بعد نگاشت بازگشتي و كاهش بعد، به سيستم پيشنهادي ارائه شد. سيستم پيشنهادي با طبقه‌بندهاي متداول نظير شبكه‌ي عصبي، ماشين بردار پشتيبان، بيز ساده، درخت تصميم و آناليز افتراقي خطي مقايسه شد. نتايج صحت دادگان تست به دست آمده در 30 تكرار (49.01% در مقابل به ترتيب 32/41 %، 47/40%، 01/40%، 38/38% و 28/40%)، بيان‌گر قابليت قابل توجه اين مدل در تفكيك چهار سطح افسردگي مي‌باشد.