طراحی سیستم خبره برای تشخیص احتمالی بیماران کلیوی برای افراد مبتلا به دیابت با استفاده از ترکیب فازی و شبکه های عصبی
چکیده
پژوهش حاضر با هدف ارائه و پیاده سازي یک الگوریتم ترکیبی با استفاده از ترکیب فازی و شبكه هاي عصبي برای طراحي يك سيستم خبره مورد مطالعه قرار گرفته است تا بتواند عمل تشخيص برخی از بيماري را انجام دهد. سیستم‌های خبره، نرم افزارهایی هستند که نحوه تفکر یک متخصص در یک زمینه خاص را شبیه سازی می‌کنند. در واقع این نرم افزارها، الگوهای منطقی را که یک متخصص بر اساس آنها تصمیم‌گیری می‌کند، شناسایی می نمایند و سپس بر اساس آن الگوها، مانند انسان‌ها تصمیم گیری می‌کنند. سرعت عمل همواره در تشخیص، درمان و در بهبود حال بیماران موثر است، اما گاهی دسترسی به پزشکان متخصص برای بیماران وجود ندارد و از این طراحی سیستمی با دانش پزشک متخصص که تشخیص و راه درمان مناسب را به بیماران ارائه نماید، شرایط درمان به موقع را برای بیماران فراهم می‌کند. کاربرد سيستم‌هاي دسته بندي در تشخيص پزشكي به تدريج در حال افزايش است. هيچ شكي نيست كه داده‌هاي بدست آمده از بيماران و تصميمات متخصصان مهم‌ترين عوامل شناسايي هستند. ولی سيستم هاي خبره و تكنيك‌هاي هوشمند گوناگونی نیز براي طبقه بندي به متخصصان كمك مي كنند. سيستم هاي دسته بندي، جلوي خطاهاي محتملي كه مي‌توانند به خاطر خستگي و يا بي‌تجربگي متخصص اتفاق بيفتند گرفته و داده هاي پزشكي را براي آزمايش در زمان كمتر و جزئيات بيشتر، فراهم مي‌كنند.
واژگان كليدي:
سیستم خبره، تشخیص بیماری، منطق فازی، شبکه عصبی.
فهرست مطالب
فصل دوم : مروری بر تحقیقات انجام شده
2-2- سیستم خبره (سیستم های مبتنی بر دانش) 10
2-2-1- تاریخچه سیستم های خبره 11
2-2-3- کاربرد سیستم هاي خبره 15
2-2-4- معماری سیستم های خبره 19
2-2-4-1- بانک اطلاعاتی، پایگاه دانش… 20
2-2-5- محدودیت هاي سیستم هاي خبره 23
2-2-6- مزایای انسان نسبت به سیستم خبره 23
2-2-7- ترکیب سیستم خبره و شبکه عصبی. 23
2-2-7-1- ترکیب شبکه های عصبی باسیستم های خبره 24
2-3-1- تعریف سیستم‌های فازی و انواع آن. 24
2-3-3- سیستم‌های فازی چگونه سیستم‌هایی هستند؟ 25
2-3-4- انواع سیستم‌های فازی. 25
2-3-4-2- سیستم فازی تاکاگی ـ سوگنو و کانگ.. 25
2-3-4-3- سیستم‌های فازی با فازی‌ساز و غیر فازی ساز 26
2-3-7- چگونگی به کارگیری منطق فازی. 30
2-3-8- کاربردهای منطق فازی. 30
2-3-9- منطق فازی و هوش مصنوعی 31
2-4-2- معرفی شبکه عصبی مصنوعی. 32
2-4-3- تاریخچه شبکه‌های عصبی مصنوعی. 32
2-4-4- ساختار شبکه های عصبی. 34
2-4-5- تقسیم بندی شبکه های عصبی. 34
2-4-6- کاربرد شبکه های عصبی. 35
2-4-7- معایب شبکه های عصبی. 36
2-4-8- شبکه عصبی و هوش مصنوعی. 37
2-4-9- انواع یادگیری برای شبکه های عصبی. 38
2-4-9-3- یادگیری بدون ناظر. 39
2-5- بیماری کلیوی با ریشه دیابت.. 39
2-5-1- علائم زودرس بیماری کلیه در بیماران دیابتی. 40
2-5-2- علائم دیررس بیماری کلیه در بیماران دیابتی. 40
2-5-3- علائم بیماری کلیه در بیماران دیابتی. 40
2-6- معرفی سیستم های خبره پزشکی. 42
2-6-3- زیر سیستم پایگاه دانش… 45
2-6-4- زير سيستم موتور استنتاج. 46
2-6-5- زير سيستم رابط كاربر. 46
2-8-1- تحقیقات انجام شده در داخل کشور 47
2-8-2- تحقیقات انجام شده در خارج کشور 49
3-3-تشریح الگوریتم پیشنهادی. 55
3-3-4-نرماليزه كردن داده ها 57
3-4-1-الگوریتم یادگیری ANFIS. 64
فصل پنجم : نتیجه گیری و راهکار آتی
5-6-پیشنهاد‌ها جهت ادامه کار 78
فهرست مطالب
عنوان صفحه
شکل 2-1- عدم کارایی روش هیورستیک جهت حمل سموم خطرناک.. 14
شکل 2-3- نگاشت پیوسته فازی. 29
شکل 2-4- نگاشت متغیر دمای هوا 30
شکل 2-5- رابطه بین اجزای گوناگون در سیستم خبره 44
شکل 2-6- چارچوب نظری تحقیق. 47
شکل 3-1- صورت کلی سیستم خبره 53
شکل 3-2- چارت الگوریتم پیشنهادی تشخیص بیمار کلیوی با سیستم خبره 54
شکل 3-3- عدد فازی مثلثی متقارن. 59
شکل 3-4- عدد فازی مثلثی نامتقارن. 59
شکل 3-5-انتخاب ویژگی با منطق فازی. 60
شکل 3-6-معماری ANFIS در الگوریتم پیشنهادی. 62
شكل4-1- نمودار مربوط به داده های آموزشی. 69
شكل 4-2- نتایج آموزش برای داده های تست.. 69
شكل 4-3-نمودار میزان خطای داده های تست.. 70
شكل 4-4- نمودار مربوط به داده های آموزشی. 71
شكل 4-5-نتایج آموزش برای داده های تست.. 71
شكل 4-6-نمودار میزان خطای داده های تست.. 72
شكل 4-7- نمودار میزان خطا برای هر دو الگوریتم. 73
شکل 5-1- مقایسه میزان خطا در الگوریتم پیشنهادی با دو الگوریتم دیگر. 77
فهرست مطالب
عنوان صفحه
جدول 3-1-اماده سازی داده های ورودی بیماران. 57
منابع فارسی
- اسماعیلی م، 1384، مقدمه‌ای بر بینایی ماشین، ماهنامه شبکه، شماره 54.
- حسینی ع، 1385، گذري بر سيستم‌هاي خبره، ماهنامه شبکه، شماره 71.
- حسینی ع، 1385، مهندسي معكوس مغز، ماهنامه شبکه، شماره 71.
- رستمی م، صادق زاده م، افشاری م، 1391، طراحی سیستم خبره جهت تشخیص و پیشنهاد در مورد شیوه درمان بیماری سرطان چشم، چهارمین کنفرانس مهندسی برق و الکترونیک ایران.
- سبزي پرور، ع. و همكاران، 1387، مجلة علمي پژوهشي آب و خاك علوم و صنايع كشاورزي، 22 .
- ستایش ح، 1387، شبکه عصبی مصنوعی، پنجمین کنفرانس آسیب نخاعی و توانبخشی در آسیب نخاعی.
- سرداری ا، 1382، سیستم های اطلاعات مدیریت، چاپ اول تهران، انتشارات سمت.
- سعیدی م، 1383، آشنايي با شبكه‌هاي عصبي، ماهنامه شبکه، شماره 51.
- شهبازی ک، 1389، سرطان چیست؟، URL: http://www.knowclub.com
- صدوقی ف، شیخ طاهری ع، 1388، کاربرد سیستم های هوش مصنوعی در تصمیم گیری پزشکی، مجله مدیریت اطلاعات سلامت، ص 445-440
- عمادي م، بهرامی ف، 1384، پیش‌بینی حرکت برخاستن از صندلی با استفاده از حرکت یادگیري تقویتی، دوزادهمین کنفرانس مهندسی پزشکی ایران.
- غضنفری م، کاظمی ز، 1383، سیستم های خبره صنعت، تهران مجله علوم صنعت.
- فرضعلی وند ح، 1394، ارائه الگوریتم جدید Fuzzy SARSA به منظور پیش بینی نوسانات سطح قند خون بیماران مبتلا به دیابت نوع یک، مجله دیابت و متابولیسم ایران، دوره 14 (شماره 4)، ص 255-264.
- قوچانی س، تهامی ا، 1385، مقایسه شبکه عصبی خود بازگشتی المن و شبکه عصبی پرسپترون سه لایه به منظور پیش بینی نوسانات سطح قند خون بیماران مبتلا به نوع یک. دوازدهمین کنفرانس بین المللی انجمن کامپیوتر ایران، دانشگاه شهید بهشتی.
- کریمی م، 1395، متخصص قلب و عروق و عضو هیات علمی دانشگاه، مجله اطلاعات عمومی پزشکی
- محمدی مطلق ح، مینایی بیدگلی ب، پرویزی فرد ع، 1394، طراحی و پیاده سازی یک سیستم خبره تحت وب برای تشخیص افسردگی، پایان نامه کارشناسی ارشد، کامپیوتر، دانشگاه قم.
- مک کارتی ج، 1383، هوش ماشيني و هوش انساني، ماهنامه شبکه، ۱۳۸۳ شماره 52.
- نشاط م، یعقوبی م، نقیبی م، اسماعیل زاده ع،1387، طراحي سيستم خبره تشخيش اختلالات كبدي با استفاده از شبكه هاي عصبي، یازدهمین کنفرانس دانشجویی مهندسی برق.
- نوراني، و، صالحی. ک، 1387. مدل سازی بارش – رواناب با استفاده از روش شبکه عصبی فازی تطبیقی و مقایسه آن با روش های شبکه عصبی و استنتاج فازی مطالعه موردی: حوضه آبریزلیقوان چای واقع دراستان آ . شرقی. چهارمین کنگره ملی مهندسی عمران، تهران، دانشگاه تهران، https://www.civilica.com/Paper-NCCE04-NCCE04_680.html.
- نوعی پور ب، 1385، منطق فازي چيست؟، ماهنامه شبکه، شماره 71.
- الهی ش، خدیور آ، حسن زاده ع،1390، طراحی سیستم خبره تصمیم یار برای کمک به فرایند انتخاب استراتژی مدیریت دانش، نشریه مدیریت فناوری اطلاعات.
- الهی ش، رجب زاده ع،1385، سیستم های خبره الگوی هوشمند تصمیم گیری، چاپ اول تهران، انتشارات شرکت چاپ و نشر بازرگانی.
منابع انگلیسی
- BalaKrishna, T.K.Rama Krishna. 2012. Fuzzy and Swarm Intelligence for Estimation,Advances in Information Technology and Management (AITM), Vol.2, No.1, pp. 246 – 250.
- Mittal, K.Parkash, H.Mittal 2010. Software Cost Estimation Using Fuzzy Logic, ACM SIGSOFT Software Engineering, Vol. 35, No. 1, pp. 1–7.
- Bergman RN. 2002. Pathogenesis and prediction ofdiabetesmellitus: Lessons from integrative physiology, in: Irving L.Schwartz Lecture, Mount Sinai J. Medicine; 60, 280–290.
- Crespo, J., Sicilia, M.A, Garcia, E.,Cuadrado J.J, 2004. On Aggregating Second-Level Software Estimation Cost Drivers: A Usability Cost Estimation Case Study”,Information Processing and Management Of Uncertainty in Knowledge-Based Systems IPMU, pp. 1255–1260.
- Darligton K. 2003, Expert Systems (Trans. by Motameni H). Tehran: Olome Rayane
- Edward A, Feigenbaum BG, Buchanan D, Meta 1933. Roots of Knowledge Systems and Expert System Applications. Artif Intell 59(1-2); 233-40.
- Emadi M, Bahrami F, Yazdanpanah MJ, Patla A. 2004. Movement Prediction Using an MLPwithout Internal Feedback. SMCIEEE; Netherland.
- Harish Mittal, Pardeep Bhatia. 2009. Software Maintainability Assessment based on fuzzy logic Technique “ACM SIGSOFT,Vol. 34, No. 2, pp. 1–5.
- Hassoun h, 1995, fundamentals of artificial neural networks, combridge, MA: Bradford, p3.
- Hatzilygeroudis P, Vassilakos J, Tsakalidis A. 1997. XBONE: A Hybrid Expert System Supporting Diagnosis of Bone Diseases. London: Proceeding of the Medical Informatics: Europe’97.
- Jyh – shing Roger Jang, Chuen – Tasi Sun, Eiji Mizutani. 1997. Neuro – Fuzzy and Soft Computing, A Computational Approach to Learning and Machine Intelligence, Prentice Hall Upper Saddle River, 07458, pp. 47–50.
- Kim, Y.-G., S.-H. Yu and J.-H. Lee. 2003. “Knowledge strategy planning: methodology and case.” Expert Systems with Applications 24(3): 295-307.
- Leaning MS, and Boroujerdi MA. 2006. A system forcompartmental modelling and simulation.Comput. Methods programs biomed, vol.35.
- Lee, H., Y.chang and B.choi. 1999. Analysis of effects of knowledge management strategies on corporate performance.” korea intelligent information journal 5.
- Lee, J.-H. and Y.-G. Kim. 2001. A stage model of organizational knowledge management: a latent content analysis. Expert Systems with Applications 20(4): 299-311.
- M Caudill. 1987., Neural networks primer: Part I, AI Expert, December 46.
- N R Hecht. 1987. Kolmogorov Mapping, Neural network existence theorem. 1st IEEE ICNN, 3. san Diego, CA.
- O’Brien, J.A. 2000 Management Information Systems, 10th ed., McGraw Hill.
- Salzsieder E, Albrecht G, Fischer U, Rutscher A, and Thierbach U. 2004. Computer-aided systems in themanagement of type I diabetes: the application of amodel-based strategy. Comput.Methods programsbiomed; vol. 32.
- Shorrtliffe EH. 1976. Computer-based Medical Consultations: MYCIN. New York: Elsevier.
- Simonovic SP. 1993. User Manual of VP-EXPERT: Rulebased expert system development tool. London:Wordtech System.
- T Khanna. 1990. Foundations of neural networks, Addison-Wesley Pub. Co. USA.
- Tresp V, Moody J, and Delong WR. 2005. Neuralmodelling of physiological processes. ComputationalLearning Theory and Natural Learning Systems; vol. 2, S. Hanson et al.,eds., MIT Press.
- Turban e, Rainer RK, Potter RE. 2005, Introduction to information technology. New Jersey: John Wiley & Sons.
