تشخيص بيماري هپاتيت با استفاده از تئوري مجموعه راف و تئوري مجموعه فازي راف

در اين مقاله يك سيستم كمك يار پزشك طراحي شده است كه توانايي تشخيص قابل درمان بودن يا نبودن بيماري هپاتيت را دارا است. در اين زمينه تحقيق هاي زيادي صورت گرفته است و به نتايج گوناگوني دست يافته اند، اما به ناقص بودن اطلاعات افراد و مجهز نبودن تجهيزات آزمايشگاهي كه عامل مهمي در تصميم گيري مي باشد توجهي نشده است. در اين مقاله، رويكرد نويني براي كاهش تعداد ويژگي ها با توجه به وجود خطا در نتايج آزمايشگاهي و ناقص بودن اطلاعات در نظر گرفته شده است. تشخيص مهم‌ترين ويژگي‌هاي بيماري هپاتيت از مجموعه اطلاعات باليني و نتايج آزمايش هاي كلينيكي با كاهش تعداد ويژگي ها، منجر به صرف هزينه كمتر، زمان كوتاه تر و دقت بيشتر در تشخيص مي شود. سيستم مورد نظر شامل 3 مرحله اصلي پيش‌پردازش، انتخاب ويژگي و دسته‌بندي است. مجموعه داده از مخزن داده دانشگاه كاليفرنيا جمع آوري شده است. اين مجموعه داده شامل 155 نمونه مي باشد. بهترين روش انتخاب ويژگي در اين مقاله تئوري مجموعه فازي راف مي باشد كه توانسته با تعداد 4 ويژگي و دقت 91 درصد، قابل درمان يا نبودن بيماري هپاتيت را تشخيص دهد. با روش انتخاب شده در اين مقاله به علت امكان ناقص بودن اطلاعات بعضي بيماران و وجود خطا در نتايج آزمايشگاه هاي غيرمجهز مقادير مفقود شده و داده ها به صورت فازي در نظر گرفته شده است و با انتخاب 4 ويژگي از ميان 19 ويژگي علاوه بر كاهش زمان و هزينه تشخيص و بر خلاف بسياري از روش هاي انجام شده در گذشته كه روي دقت تمركز كرده اند نتايج قابل قبول تر شده است.