به‌كار‌گيري نگاشت‌هاي فازي شهودي با استفاده از يادگيري تركيبي براي طراحي سيستم خودكار پزشكي (CAD)

كارشناسي ارشد

چكيده بيماري سلياك يك اختلال خود ايمني و بيماري مزمن روده كوچك در اثر حساسيت به گلوتن مي‌باشد. اين بيماري سبب اختلال در جذب مواد مغذي مي‌شود، به همين علت به‌عنوان يك بيماري سوء جذبي در نظر گرفته مي‌شود و عدم درمان آن عواقب شديدي را به دنبال دارد. از اين‌رو، تشخيص و تعيين درجه بيماري سلياك، براي درمان مناسب، موضوعي است كه بسيار مورد توجه پاتالوژيست‌ها و متخصصين گوارش مي‌باشد. اين پايان نامه، به منظور دست يافتن به اين هدف مهم يعني تعيين درجه بيماري سلياك، از روشي بر مبناي نگاشت شناختي فازي (FCM) بهره مي‌گيرد و با لحاظ كردن تئوري سيستم‌هاي خاكستري در فرآيند مدلسازي دقت دسته‌بندي را بهبود مي‌بخشد. ازين‌رو، مدل‌هاي FCM و نگاشت شناختي فازي خاكستري (FGCM) به‌عنوان گسترشي از FCM مورد بررسي قرار مي‌گيرند. محدوديت FCM ها اين است كه آن‌ها در مدل كردن ترديد موجود در سيستم‌هاي پيچيده به‌دليل وقايع مبهم، اطلاعات از دست رفته و دودلي ناتوان هستند. براي مقابله با اين موضوع، مدل FGCM ارائه مي‌گردد. مدل FGCM با محيط‌هاي چند مفهومه سروكار دارد و بر اساس تئوري سيستم‌هاي خاكستري (GST)، براي سروكار داشتن با مسائلي در محيط‌هايي با عدم قطعيت بالا تحت ديتاست كوچك و ناقص گسسته، به يك نظريه رياضي بسيار موثر تبديل شده است. با توجه به عدم قطعيت بالا در ديتاي پزشكي، اين گسترش از FCM كه در برابر عدم قطعيت مقاوم است، براي درجه‌بندي بيماري سلياك مورد استفاده قرار مي‌گيرد. با استفاده از دانش متخصصين و پاتولوژيست‌هاي توانا، ويژگي‌هاي اصلي بيماري سلياك به‌عنوان مفاهيم اصلي استخراج مي‌شوند و مدل‌ها طراحي مي‌گردند. نتايج حاصل از اعمال مدل‌هاي‌ پيشنهادي بر ديتاست واقعي با درجات مختلفي از بيماري سلياك، توانايي و موثر بودن اين مدل‌ها را تاييد مي‌كنند. به دليل عملكرد بهتر FGCM، الگوريتم آموزشي هبين فعال (AHL) براي آموزش FGCM براي افزايش دقت و بهبود عملكرد مدل پيشنهاد مي‌شود. نتايج شبيه‌سازي، دقت 04/64%، 52/86% و 01/91% را براي FCM، FGCM و FGCM آموزش ديده نشان مي‌دهد. از ميان مدل‌هاي معرفي شده، FGCM آموزش ديده نسبت به ديگر مدل‌ها، توانايي‌هاي بالاتري از خود به نمايش مي‌گذارد و عدم قطعيت مقدار مفهوم خروجي اين مدل كمتر از ديگر مدل‌ها بدست مي‌آيد. واژه‌هاي كليدي: نگاشت شناختي فازي، نگاشت شناختي فازي خاكستري، الگوريتم آموزشي هبين فعال، بيماري سلياك.

189821

دانشگاه علم و صنعت ايران

دكتر آذر نعيمي

الكترونيك

دكتر كريم محمدي