سیستم تصمیم یار پزشکی برای تشخیص بیماری دیابت و هپاتیت مبتنی بر ترکیب بهینه سازی اجتماع ذرات و الگوریتم کرم شب تاب

سیستم های تصمیم یار پزشکی در قالب یک برنامه کامپیوتری طراحی می شوند و به متخصصان پزشکی در اتخاذ تصمیمات تشخیص بیماری، کمک می کنند. هدف اصلی این گونه سیستم ها در واقع یاری رساندن به پزشکان در زمینه تشخیص بیماری می باشد، بدین معنی که یک پزشک می تواند با سیستم تعامل داشته باشد و در تحلیل داده های بیمار، تشخیص دهی و سایر فعالیت های پزشکی از سیستم کمک بگیرد.
این مطالعه از نوع توصیفی-تحلیلی بود. مجموعه داده ها شامل 768 رکورد دیابت با 8 ویژگی و 155 رکورد هپاتیت با 19 ویژگی می باشند که از سایت جهانی UCI تهیه شده اند و از الگوریتم بهینه سازی اجتماع ذرات برای انتخاب ویژگی و از الگوریتم کرم شب تاب برای طبقه بندی بیماری دیابت و هپاتیت به دو کلاس سالم و ناسالم استفاده شد. از 80 درصد داده ها جهت آموزش و از 20 درصد باقی مانده جهت آزمون استفاده شد.
بررسی اولیه نشان داد صحت الگوریتم های بهینه سازی اجتماع ذرات و کرم شب تاب برای مجموعه داده دیابت به ترتیب برابر با 84/41 و 82/08 درصد و برای مجموعه داده هپاتیت به ترتیب برابر با 81/84  و 80/34 درصد به دست آمد. همچنین صحت مدل پیشنهادی برای مجموعه داده دیابت و هپاتیت به ترتیب برابر 95/38 و 94/09  درصد بود.
بر اساس یافته های این مطالعه، مدل پیشنهادی در مقایسه با الگوریتم های بهینه سازی اجتماع ذرات و کرم شب تاب از نرخ خطای کمتری در تشخیص بیماری برخوردار بود. یافته های این پژوهش می تواند به پزشکان در تشخیص به موقع بیماری دیابت و هپاتیت کمک نماید.