ارایه یک مدل ترکیبی هوش مصنوعی مبتنی بر شبکه عصبی در سیستم‌های تصمیم‌یار در حوزه داده‌های پزشکی

آروین عزیزیان کهن¹ مرتضی واسعی² رضا توکلی مقدم³ داود صدیقی‌زاده⁴

1) دانشجوی دکتری گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، ایران
2) دانشجوی دکتری گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، ایران
3) استاد گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه تهران، ایران
4) گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد ساوه، ساوه، ایران

محل انتشار : دومین کنفرانس بین المللی مـــدیـــریــــت و مهندسی صنایع(2icmi.com)
چکیده :
در این مقاله، با توجه به اهمیت پیش‌بینی نتایج تست قلبی-‌ ریوی بر روی داده‌های گران‌قیمت بیماران شیمیایی (با توجه به در دست نبودن این داده‌ها به دلیل این‌که در دنیا بسیار کم از سلاح‌های شیمیایی استفاده گردیده، یا در صورت استفاده‌شدن، تعداد نفرات کمی به این بیماری دچار گردیده‌اند و یا داده‌های ثبت‌شده این بیماران در دسترس نمی‌باشد، این نوع داده‌ها دارای اهمیت است)، گران‌بودن و هزینه بالای این آزمایشات برای بیماران شیمیایی، زمان‌بربودن تست‌های پزشکی در مرحله انجام تست‌های پزشکی و اعلام نتایج، همچنین با علم به این‌که در مراحل مختلف (به‌طور مثال اشتباه کاربر در ثبت نتایج) امکان مفقودشدن داده‌ها نیز وجود دارد، به بررسی داده‌های مفقود و سپس به جداسازی داده‌ها پرداخته شده و جهت پرکردن مقادیر گمشده از روش K-means استفاده گردیده است. با توجه به اهمیت داده‌کاوی در این مقاله، به دلیل قابلیت‌های بالای شبکه عصبی از مدل‌های داده‌کاوی مبتنی بر شبکه عصبی جهت پیش‌بینی استفاده شده است. در مرحله بعد برای تخمین خروجی‌ها (تست‌های قلبی ریوی)، از شبکه عصبی استفاده گردیده است. یعنی با توجه به ورودی‌ها (تست‌های اسپرومتری)، خروجی‌ها (تست‌های قلبی ریوی) تخمین زده می‌شود و در این مرحله، به بررسی تعداد نرون بهینه لایه پنهان پرداخته و نتایج خطاها بررسی می‌گردد. در نهایت، در اين مقاله به توسعه يك مدل تركيبي هوش مصنوعي با به‌كارگيري روش‌هاي پيش‌پردازش داده‌ها و شبکه عصبی جهت ساخت سیستم‌های تصمیم‌یار در حوزه پزشکی پرداخته می‌شود. این مقاله به پزشکان، این تشخیص را می‌دهد که قبل از انجام آزمایشات زمان‌بر هرچه سریع‌تر به بررسی بیماری و درمان و تشخیص بیماری بپردازند.
کلمات کلیدی : داده‌کاوی شبکه عصبی پیش‌پردازش داده‌ها خوشه‌بندی