ایمان سهرابی مقدم چافجیری - دانشجوی دکتری تخصصی مهندسی برق گرایش الکترونیک دانشکده مهارت و کارآفرینی واحد لاهیجان،دانشگاه آزاد اسلامی لاهیجان ایران
سیدحسین علوی راد - گروه برق واحد لنگرود دانشگاه آزاد اسلامی لنگرود ایران

هدف از این مقاله، ارائه روشی با استفاده از ترکیب دسته بندی ها جهت تشخیص و طبقه بندی بیماری تیروئید، مبتنی بر رای اکثریت است. غده تیروئید یک غده درون ریز بوده که باعث ایجاد هورمونی به نام هورمون تیروئید می شود. با توجه به عوامل متعدد در تشخیص این بیماری، یکی از اساسی ترین مشکلات، تشخیص دیرهنگام آن در مراحل پیشرفته و خطرناک است. بنابراین ارائه روش هوشمند پزشکیف میتواند امری ضروری در این حوزه برشمرده شود تا علاوه بر کاهش خطاهای انسانی در تشخیص، سرعت و روند تشخیص بیماری را بهبود ببخشد. بانک اطلاعاتی مورد استفاده مجموعه داده یادگیری ماشین دانشگاه کالیفرنیا، ارواین آمریکا UCI می باشد که از این تعداد ۸۰% نمونه ها جهت آموزش و ۳۰% آن ها جهت تست استفاده شده است. در ابتدا مدل سازی ۵ طبقه بند شبکه عصبی مصنوعی، شبکه عصبی مصنوعی مبتنی بر الگوریتم کلونی مورچگان، ماشین بردار پشتیبان، درخت تصمیم و شبکه عصبی عمیق با توجه به ریسک فاکتورهای بیماری انجام، ترکیب دسته بندها با روش ردی اکثریت انجام شده است. پیاده سازی سیستم تشخیص پیشنهادی روی پایگاه داده پیشنهادی، نشاندهنده برتری آن در مقایسه با روش های پیشین است که از این دیتاست استفاده کرده اند. برای روش پیشنهادی، دقت روش ۹۹/۹۴ درصد به دست آمده است. نقطه قابل توجه مدل ارایه شده، سیستمی تصمیم یار پزشکی برای افزایش دقت تشخیص روش درمان بیماری است.

بیماری تیروئید، الگوریتم کلونی مورچگان، ماشین بردار پشتیبان، درخت تصمیم، شبکه عصبی عمیق، رای اکثریت