راحیل حسینی

به دلیل پیچیدگی تصمیمات پزشکی، کاربرد سیستم های هوشمند برای پشتیبانی از این تصمیمات افزایش یافته است. در این پژوهش از قابلیت پنج الگوریتم مختلف ماشین بردار پشتیبان، درخت تصمیم گیری، نایو بیزین، نزدیک ترین همسایه و جنگل تصادفی، یک دسته بند ترکیبی ساخته شده که برای به دست آوردن نتیجه آرای این دسته بند، از رویکرد رأی گیری با توافق سطح بالا به منظور ارزیابی و پیش بینی استفاده می شود. با توجه به اهمیت درگیری اعضای بدن نسبت به بیماری التهاب روده، در ارزیابی و مقایسه نتایج به دست آمده، دسته بند ترکیبی پیشنهاد شده برای تفکیک دو نوع بیماری التهاب روده (کرون و کولیت) به درصد صحت بالاتری دست یافته است. نتیجه پژوهش و مقایسه روش ها با توجه به آزمایش های انجام شده نشان داد، بالاترین صحت پیش بینی (98 درصد) در دسته بندی ترکیبی پیشنهادشده (رأی گیری با توافق سطح بالا) به دست آمده است. در گام آخر، مدل ساخته شده با استفاده از نمودار مشخصه های عامل گیرنده ROC ارزیابی شد و مساحت زیر نمودار AUC به دست آمد.