تکامل تفاضلی با ترکیب شبکه عصبی برای استخراج قوانین از پایگاه داده های پزشکی

امروزه در علم پزشکی سیستمهای پشتیبانی برای تصمیمات بالینی تعریف شدهاند که با استفاده از دو یا چند آیتم از ویژگی های بیمار، پیشنهادهای مفیدی ارایه میدهند. این پیشنهادهابه متخصص در تشخیص بیماری یا روند درمان کمک میکنند. طبقهبندی دادهها در این حوزه نیازمند شفافیت و ارایه ی علت برای تخصیص دادهها میباشد. ازاینرو لازم است علاوه بر طبقه بندی درست دادههای پزشکی، علت تخصیص هر داده شرح داده شود. در این تحقیق، یک روش جدید بر پایه ی تکامل تفاضلی برای طبقه بندی خودکار آیتمها در پایگاه دادههای پزشکی موردنظر است. بر اساس آن، یک ابزار به نام DEREx معرفی شده است که به طور خودکار، دانش واضح را از پایگاه داده، به شکلی از قوانین THEN-IF) اگر-سپس) شامل شرطهای متصل به AND) و) بر روی متغیرهای پایگاه داده، استخراج میکند. هر فرد از تکامل تفاضلی یک قانون برای طبقهبندی محسوب می شود. مجموعه افراد تکامل تفاضلی مجموعهای از قوانین میباشند که از تمام آنها برای طبقه بندی داده های موجود در پایگاهداده استفاده میشود. این قوانین میتوانند به صورت منطقی متصل به OR) یا) نیزدر نظر گرفته شوند؛ بنابراین تمام قوانین طبقهبندی برای تمام دسته ها یکباره در یک مرحله پیدا میشوند. ابزار DEREx اولین ابزار طبقه بندی است که بر پایهی تکامل تفاضلی میباشد و به طور خودکار و بدون دخالت سازوکار دیگری دسته هایی از قوانین THEN-IF را استخراج میکند.