ارائه مدلی هوشمند برای تشخیص بیماران مبتلا به بیماری های تیروئید از افراد سالم با ترکیب الگوریتم بهینه سازی ازدحام ذرات و شبکه عصبی مصنوعی

بیماری های تیرویید در سراسر جهان گسترده شده است. مطالعات تحقیقاتی مختلف نشان می دهد تعداد زیادی از افراد در جوامع مختلف به این بیماری دچار میشوند. همچنین، تشخیص به موقع این بیماری و کنترل آن می تواند جلوی پیشرفت آن را بگیرد و پیامدهای ناشی از آن را کاهش دهد. در این راستا، مطالعه پیش رو یک الگوریتم ترکیبی تکاملی حاصل از آمیختگی الگوریتم بهینه سازی ازدحام ذرات و شبکه عصبی مصنوعی جهت تشخیص به موقع این بیماری ارایه کرده است.

پژوهش حاضر از نوع کاربردی پیمایشی است که در سال 1401 انجام شده است. در اینجا از روش مجموعه داده های اولیه برای جمع آوری داده ها استفاده شد. جامعه آماری موردنظر شامل 400 مورد اطلاعات ثبت شده بیماران از سال 1400 تا 1401 در تحقیقی میدانی از افراد مراجعه کننده به بیمارستان امام رضا (ع) شهرستان لارستان است. از این میان، 300 نفر دارای بیماری تیرویید و 100 نفر سالم بودند. در این پژوهش برای پیاده سازی مدل یادگیری پیشنهادی و همچنین تجزیه وتحلیل و بررسی نتایج از نرم افزار متلب استفاده شده است.

نتایج نشان داد، ضریب رگرسیون مدل پیشنهادی در 3 حالت آموزش، اعتبارسنجی و تست به ترتیب دارای مقادیر (0/98، 0/97 و 0/95)، منحی راک برابر با 0/98، میزان خطا برابر با 0/004 و دقت کل سیستم برابر با 96 درصد می باشد.

باتوجه به نتایج حاصله، مدل پیشنهادی می تواند با دقت قابل قبولی، پیش بینی بیماری تیرویید در افراد را انجام دهد و باعث کاهش میزان اشتباه شود. همچنین از این مدل می توان به عنوان یک ابزار مفید در پیش بینی تیرویید به کار برده شود.