محسن رضایی، نازنین زهرا جعفری، حسین غفاریان، مسعود خسروی فارمد، ایمان ذباح، پروانه دهقان،
دوره 13، شماره 5 - ( آذر و دی 1398 )
چکیده
زمینه و هدف: تشخیص به‌موقع عملکرد غیرطبیعی تیروئید و بهدنبال آن در پیش گرفتن درمان صحیح، میتواند باعث کاهش مرگ‌ومیر مرتبط با این بیماری شود. همچنین عدم‌تشخیص به‌موقع، عوارض جبران‌ناپذیری برای بیمار در پی خواهد داشت. این مطالعه، با هدف تعیین وضعیت غده تیروئید از نظر نرمال بودن، پرکاری یا کم‌کاری با استفاده از تکنیکهای داده‌کاوی انجام‌شده است.
روش بررسی: تولید مدل پیشبینی کننده به‌منظور طبقه‌بندی بیماری تیروئید، پس از پیش‌پردازش دادهها با استفاده از روش‌های نظارت‌شده و بدون ناظر انجام گردید. این مطالعه از نوع تحلیلی بوده و پایگاه داده ی آن شامل ۲۱۵ رکورد مستقل مبتنی بر ۵ ویژگی پیوسته و برگرفته‌شده از مرجع داده یادگیری ماشین UCI میباشد.
یافته‌ها: در روش نظارت‌شده از شبکه های عصبی پرسپترون چندلایه و شبکه عصبی بردار یادگیر و شبکه عصبی فازی و در روش بدون نظارت از خوشه بندی فازی استفاده گردید. با روش حداقل مربعات خطا (RMSE) به ترتیب دقت های ۰/۰۵۵ و ۰/۲۷۴ و ۰/۰۱۲ و ۰/۰۳۱ حاصل شد.
نتیجه‌گیری: کاهش خطای تشخیص بیماری تیروئید یکی از اهداف محققان بوده است. استفاده از روش های مبتنی بر داده‌کاوی می تواند به کاهش این خطا کمک کند. در این مطالعه تشخیص بیماری تیروئید به کمک روش‌های مختلف تشخیص الگو صورت گرفت. نتایج نشان می دهد که مدل عصبی فازی دارای حداقل میزان خطا و بیشترین دقت است.
