خلاصة:
اﻣﺮوزه در ﻋﻠﻢ ﭘﺰﺷﮑﯽ ﺳﯿﺴﺘﻢﻫﺎی ﭘﺸﺘﯿﺒﺎﻧﯽ ﺑﺮای ﺗﺼﻤﯿﻤﺎت ﺑﺎﻟﯿﻨﯽ ﺗﻌﺮﯾﻒ ﺷﺪهاﻧﺪ ﮐﻪ ﺑﺎ اﺳﺘﻔﺎده از دو ﯾﺎ ﭼﻨﺪ آﯾﺘﻢ از وﯾﮋﮔﯽ-ﻫﺎی ﺑﯿﻤﺎر، ﭘﯿﺸﻨﻬﺎد ﻫﺎی ﻣﻔﯿﺪی اراﺋﻪ ﻣﯽدﻫﻨﺪ. اﯾﻦ ﭘﯿﺸﻨﻬﺎد ﻫﺎﺑﻪ ﻣﺘﺨﺼﺺ در ﺗﺸﺨﯿﺺ ﺑﯿﻤﺎری ﯾﺎ روﻧﺪ درﻣﺎن ﮐﻤﮏ ﻣﯽﮐﻨﻨﺪ. ﻃﺒﻘﻪﺑﻨﺪی دادهﻫﺎ در اﯾﻦ ﺣﻮزه ﻧﯿﺎزﻣﻨﺪ ﺷﻔﺎﻓﯿﺖ و اراﺋﻪی ﻋﻠﺖ ﺑﺮای ﺗﺨﺼﯿﺺ دادهﻫﺎ ﻣﯽﺑﺎﺷﺪ. ازاﯾﻦ رو ﻻزم اﺳﺖ ﻋﻼوه ﺑﺮ ﻃﺒﻘﻪ ﺑﻨﺪی درﺳﺖ دادهﻫﺎی ﭘﺰﺷﮑﯽ، ﻋﻠﺖ ﺗﺨﺼﯿﺺ ﻫﺮ داده ﺷﺮح داده ﺷﻮد. در اﯾﻦ ﺗﺤﻘﯿﻖ، ﯾﮏ روش ﺟﺪﯾﺪ ﺑﺮ ﭘﺎﯾﻪ ی ﺗﮑﺎﻣﻞ ﺗﻔﺎﺿﻠﯽ ﺑﺮای ﻃﺒﻘﻪ ﺑﻨﺪی ﺧﻮدﮐﺎر آﯾﺘﻢ ﻫﺎ در ﭘﺎﯾﮕﺎه داده ﻫﺎی ﭘﺰﺷﮑﯽ ﻣﻮردﻧﻈﺮ اﺳﺖ. ﺑﺮ اﺳﺎس آن، ﯾﮏ اﺑﺰار ﺑﻪ ﻧﺎم DEREx ﻣﻌﺮﻓﯽ ﺷﺪه اﺳﺖ ﮐﻪ ﺑﻪ ﻃﻮر ﺧﻮدﮐﺎر، داﻧﺶ واﺿﺢ را از ﭘﺎﯾﮕﺎه داده، ﺑﻪ ﺷﮑﻠﯽ از ﻗﻮاﻧﯿﻦ IF-THEN )اﮔﺮ-ﺳﭙﺲ( ﺷﺎﻣﻞ ﺷﺮط ﻫﺎی ﻣﺘﺼﻞ ﺑﻪ AND )و( ﺑﺮ روی ﻣﺘﻐﯿﺮﻫﺎی ﭘﺎﯾﮕﺎه داده، اﺳﺘﺨﺮاج ﻣﯽ ﮐﻨﺪ. ﻫﺮ ﻓﺮد از ﺗﮑﺎﻣﻞ ﺗﻔﺎﺿﻠﯽ ﯾﮏ ﻗﺎﻧﻮن ﺑﺮای ﻃﺒﻘﻪﺑﻨﺪی ﻣﺤﺴﻮب ﻣﯽ-ﺷﻮد. ﻣﺠﻤﻮﻋﻪ اﻓﺮاد ﺗﮑﺎﻣﻞ ﺗﻔﺎﺿﻠﯽ ﻣﺠﻤﻮﻋﻪای از ﻗﻮاﻧﯿﻦ ﻣﯽﺑﺎﺷﻨﺪ ﮐﻪ از ﺗﻤﺎم آن ﻫﺎ ﺑﺮای ﻃﺒﻘﻪﺑﻨﺪی دادهﻫﺎی ﻣﻮﺟﻮد در ﭘﺎﯾﮕﺎه داده اﺳﺘﻔﺎده ﻣﯽﺷﻮد. اﯾﻦ ﻗﻮاﻧﯿﻦ ﻣﯽ ﺗﻮاﻧﻨﺪ ﺑﻪ ﺻﻮرت ﻣﻨﻄﻘﯽ ﻣﺘﺼﻞ ﺑﻪ OR )ﯾﺎ( ﻧﯿﺰدر ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﻮﻧﺪ؛ ﺑﻨﺎﺑﺮاﯾﻦ ﺗﻤﺎم ﻗﻮاﻧﯿﻦ ﻃﺒﻘﻪ ﺑﻨﺪی ﺑﺮای ﺗﻤﺎم دﺳﺘﻪ ﻫﺎ ﯾﮏ ﺑﺎره در ﯾﮏ ﻣﺮﺣﻠﻪ ﭘﯿﺪا ﻣﯽ ﺷﻮﻧﺪ. اﺑﺰار DEREx اوﻟﯿﻦ اﺑﺰار ﻃﺒﻘﻪ ﺑﻨﺪﯾﺎﺳﺖ ﮐﻪ ﺑﺮ ﭘﺎﯾﻪ ی ﺗﮑﺎﻣﻞ ﺗﻔﺎﺿﻠﯽ ﻣﯽ ﺑﺎﺷﺪ و ﺑﻪ ﻃﻮر ﺧﻮدﮐﺎر و ﺑﺪون دﺧﺎﻟﺖ ﺳﺎزوﮐﺎر دﯾﮕﺮی دﺳﺘﻪ ﻫﺎﯾﯽ از ﻗﻮاﻧﯿﻦ IF-THEN را اﺳﺘﺨﺮاج ﻣﯽ ﮐﻨﺪ.
ملخص الجهاز:
"تکامل تفاضلی با ترکیب شبکه عصبی برای استخراج قوانین از پایگاه داده های پزشکی مهدی جبه داری ١، حمید پایگذار ٢ ١ گروه کامپیوتر، دانشکده فنی و مهندسی، واحد خمین ، دانشگاه آزاد اسلامی، خمین ، ایران ٢ گروه کامپیوتر، دانشکده فنی و مهندسی، واحد خمین ، دانشگاه آزاد اسلامی، خمین ، ایران (نویسنده مسئول ) چکیده امروزه در علم پزشکی سیستم های پشتیبانی برای تصمیمات بالینی تعریف شده اند که با استفاده از دو یا چند آیتم از ویژگی - های بیمار، پیشنهادهای مفیدی ارائه میدهند.
در این تحقیق ، یک روش جدید بر پایه ی تکامل تفاضلی برای طبقه بندی خودکار آیتم ها در پایگاه داده های پزشکی موردنظر است .
این الگوریتم برای داده های حس شده از راه دور توسط ماهواره ها استفاده شده است و نتایج نشان میدهند که ٥% افزایش دقت نسبت به روش سنتی آماری یعنی طبقه بند درستی ماکزیمم ٦ (MLC) و شبکه های عصبی مصنوعی و همچنین ٣% افزایش دقت نسبت به الگوریتم SVM دارد.
برای مقادیر صحیح ، مقادیر بیقاعده و خصیصه های بولی پایگاه داده در قوانین باید یک فرایند کدگذاری ثانویه و سرراست با شروع از مقدار حقیقی تأمین شده توسط DEREx اجرا شود.
در این پژوهش ، یک روش جدید مبتنی بر تکامل تفاضلی برای طبقه بندی خودکار آیتم های پایگاه داده پیشنهاد شده است .
بر اساس آن ابزاری که DEREx نام دارد معرفی شده است که به طور خودکار دانش واضحی را از پایگاه دادهبه صورت قوانین -IF THEN متصل به شرط های AND روی متغیرها استخراج میکند."