تشخیص اختلالات کبد با استفاده از ترکیب سیستم استنتاج عصبی- فازی تطبیقی و الگوریتم بهینه سازی ازدحام ذرات

بروز بیماری های کبد می تواند فرد را در طولانی مدت مستعد سرطان کبد نماید که از مرگبارترین نوع سرطان ها در جهان به شمار می رود و در عین حال، قابل پیشگیری است. تشخیص زودهنگام بیماری های کبدی، امری ضروری جهت درمان آن ها می باشد. هدف از انجام پژوهش حاضر، دسته بندی وضعیت بیماران کبدی بر اساس شاخص های آزمایشگاهی با استفاده از رویکرد داده کاوی بود.

در این مطالعه توصیفی، از الگوریتم هایبهینه سازی ازدحام ذرات PSO (Particle Swarm Optimization) و سیستم استنتاج عصبی- فازی تطبیقی ANFIS (Adaptive Neuro-Fuzzy Inference System) برای تشخیص اختلالات کبد در افراد سالم و بیمار استفاده گردید. بدین ترتیب، داده ها از پایگاه داده معتبر دانشگاه کالیفرنیا- ارواین UCI (University of California-Irvine) دریافت شد. برای ارزیابی روش پیشنهادی، معیارهای دقت، حساسیت و صحت مورد استفاده قرار گرفت.

ترکیب ANFIS و الگوریتم PSO با متوسط صحت 14/99 درصد برای مجموعه داده مبتلایان به بیماری های کبدی در هند ILPD (Indian Liver Patient Dataset) قادر به تشخیص اختلالات کبدی بود.

نتایج به دست آمده حاکی از توانمندی بالای مدل ANFIS در تشخیص اختلالات کبد می باشد. مدل پیشنهادی نسبت به سایر مدل های مورد مقایسه دارای حداقل میزان خطا و بیشترین صحت و دقت است. بنابراین، به کارگیری این مدل در زمینه تشخیص بیماری های کبد پیشنهاد می شود.