تشخيص اختلالات كبد با استفاده از تركيب سيستم استنتاج عصبي- فازي تطبيقي و الگوريتم بهينه‌سازي ازدحام ذرات

مقدمه: بروز بيماري هاي كبد ميتواند فرد را در طولاني مدت مستعد سرطان كبد نمايد كه از مرگبارترين نوع سرطان ها در جهان به شمار مي رود و در عين حال، قابل پيشگيري است. تشخيص زودهنگام بيماري هاي كبدي، امري ضروري جهت درمان آنها مي باشد. هدف از انجام پژوهش حاضر، دسته بندي وضعيت بيماران كبدي بر اساس شاخص هاي آزمايشگاهي با استفاده از رويكرد داده كاوي بود. روش بررسي: در اين مطالعه توصيفي، از الگوريتم هاي بهينه سازي ازدحام ذرات PSO )Optimization Swarm Particle( و سيستم استنتاج عصبي- فازي تطبيقي ANFIS )System Inference Fuzzy-Neuro Adaptive( براي تشخيص اختلالات كبد در افراد سالم و بيمار استفاده گرديد. بدين ترتيب، داده ها از پايگاه داده معتبر دانشگاه كاليفرنيا-ارواين UCI )Irvine-California of University( دريافت شد. براي ارزيابي روش پيشنهادي، معيارهاي دقت، حساسيت و صحت مورد استفاده قرار گرفت.يافته ها: تركيب ANFIS و الگوريتم PSO با متوسط صحت 99.14 درصد براي مجموعه داده مبتلايان به بيماريهاي كبدي در هند ILPD )Dataset Patient Liver Indian( قادر به تشخيص اختلالات كبدي بود. نتيجه گيري: نتايج به دست آمده حاكي از توانمندي بالاي مدل ANFIS در تشخيص اختلالات كبد مي باشد. مدل پيشنهادي نسبت به ساير مدل هاي مورد مقايسه داراي حداقل ميزان خطا و بيشترين صحت و دقت است. بنابراين، به كارگيري اين مدل در زمينه تشخيص بيماري هاي كبد پيشنهاد مي شود