تشخیص بیماری هپاتیت با استفاده از ترکیب الگوریتم جستجوی هارمونی و درخت تصمیم تجمیعی

هپاتیت یکی از بیماری های شایع در جهان بوده و هرگونه اقدام تشخیصی زود هنگام می تواند جان بسیاری از مبتلایان به این بیماری را شفا دهد. یکی از اولین راه های شناخت این بیماری، تشخیص ویژگی های مهم است. با تشخیص ویژگی های مهم می توان از گسترش و توسعه بیماری در مراحل اولیه پیشگیری نمود. امروزه استفاده از دانش تکنولوژی و الگوریتم های هوش مصنوعی باعث شده تا بسیاری از بیماری های علاج ناپذیر، قابل درمان و پیشگیری باشند. هدف از این مقاله تشخیص بیماری هپاتیت با استفاده از مدل ترکیبی الگوریتم جستجوی هارمونی و درخت تصمیم تجمیعی می باشد. الگوریتم جستجوی هارمونی یکی از الگوریتم های فرا اکتشافی می باشد که برای حل مسایل بهینه سازی و کشف راه حل های بهینه از آن استفاده می شود. در مدل پیشنهادی از الگوریتم جستجوی هارمونی برای انتخاب ویژگی های مهم و از درخت تصمیم تجمیعی برای طبقه بندی و تشخیص بیماری استفاده شده است. ارزیابی مدل پیشنهادی برروی مجموعه داده Hepatitis که شامل 155 نمونه و 19 ویژگی است انجام شده است. نتایج ها نشان دهنده این هستند که انتخاب ویژگی های مهم در هر مرحله برروی دقت تشخیص موثر است. اگر در میان ویژگی ها، بهترین ویژگی ها انتخاب شوند الگوریتم طبقه بندی با دقت بیشتری نمونه ها را تشخیص می دهد و لذا نرخ خطا کاهش می یابد. نرخ خطا در مدل پیشنهادی با 150 بار تکرار برابر با 8.07 است.