மருத்துவ கண்டறியும் முறைகளின் இதழ்
திறந்த அணுகல்

சுருக்கம்

மருத்துவ நோயறிதலுக்கான மரபணு அல்காரிதம் அடிப்படையில் மேம்படுத்தப்பட்ட நியூரோ-ஃபஸி சிஸ்டம்

Asogbon MG, சாமுவேல் OW, Omisore MO, Awonusi O

நோக்கம்: இந்த ஆய்வின் நோக்கம், டைபாய்டு காய்ச்சலைக் கண்டறிவதற்காகப் பயன்படுத்தப்படும் சோதனை மற்றும் பிழையின் அடிப்படையில் வழக்கமாகக் கணக்கிடப்படும் அதன் இணைப்பு எடைகளின் அடிப்படையில், அடாப்டிவ் நியூரோ-ஃப்ஸி இன்ஃபெரன்ஸ் சிஸ்டத்தின் (ANFIS) செயல்திறனை மேம்படுத்துவதாகும்.

முறைகள்: டைபாய்டு காய்ச்சலைக் கண்டறிவதற்குப் பயன்படுத்தப்படும் ஒரு கட்டமைக்கப்பட்ட ANFIS மாதிரியை திறமையாகப் பயிற்றுவிப்பதற்குத் தேவையான உகந்த இணைப்பு எடைகளைத் தானாக உருவாக்க, மரபணு அல்காரிதம் (GA) நுட்பத்தைப் பயன்படுத்துவதை இந்த ஆராய்ச்சி முன்மொழிந்தது. GA மாட்யூல் இணைப்பு எடைகளின் சிறந்த தொகுப்பைக் கணக்கிடுகிறது, அவற்றைச் சேமித்து, பின்னர் ANFIS ஐப் பயிற்றுவிப்பதற்காக தொடர்புடைய மறைக்கப்பட்ட அடுக்கு முனைகளுக்கு அவற்றை வழங்குகிறது. 15 முதல் 75 வயதுக்குட்பட்ட 104 டைபாய்டு காய்ச்சலால் பாதிக்கப்பட்டவர்களின் மருத்துவப் பதிவு பல-தொழில்நுட்ப முடிவு ஆதரவு அமைப்பின் செயல்திறனை மதிப்பிடுவதற்குப் பயன்படுத்தப்பட்டது. தரவுத்தொகுப்பில் 70% பயிற்சித் தரவு பயன்படுத்தப்பட்டது, 15% சரிபார்ப்புக்கு பயன்படுத்தப்பட்டது, மீதமுள்ள 15% முன்மொழியப்பட்ட அமைப்பின் செயல்திறனைக் கண்காணிக்கப் பயன்படுத்தப்பட்டது.

முடிவுகள்: மதிப்பீட்டு முடிவுகளிலிருந்து, முன்மொழியப்பட்ட ஜெனடிக் அடாப்டிவ் நியூரோ ஃபஸி இன்ஃபெரன்ஸ் சிஸ்டம் (GANFIS) ANFIS முறையால் பதிவுசெய்யப்பட்ட 85.4% உடன் ஒப்பிடும்போது சராசரியாக 92.7% நோயறிதல் துல்லியத்தை அடைந்தது. ANFIS உடன் ஒப்பிடும் போது முன்மொழியப்பட்ட முறைக்கு நோயறிதல் நேரம் மிகவும் குறைவாக இருந்தது என்பது சமமாக கவனிக்கப்பட்டது.

முடிவு: எனவே, முன்மொழியப்பட்ட அமைப்பு (GANFIS) நரம்பியல்-புஸ்ஸி அடிப்படையிலான நோயறிதல் முறைகளுடன் தொடர்புடைய முக்கிய சிக்கல்களை முழுமையாக ஏற்றுக்கொண்டால், மேலும் பல களங்களில் உள்ள சவாலான சிக்கல்களைத் தீர்க்கும் திறனைக் கொண்டுள்ளது.