ماشااله عباسی دزفولی - دکترا، گروه مهندسی کامپیوتر، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران
عاطفه محمدی - کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران
مجید پورافشار - کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران

امروزه شایعترین بیماریهایی که در جهان مطرح است شامل دیابت، هپاتیت، بیماری های قلبی - عروقی و انواع سرطانمی باشد. رشد چشمگیر این بیماریها، اثرات، عوارض جبران ناپذیر و هزینه هایی که بر جامعه وارد میکنند باعث شده استکه جامعه پزشکی به دنبال برنامه هایی جهت شناسایی زود هنگام و درمان موثر آنها باشد. بنابراین در حوزه پزشکیمخصوصا تشخیص و پیش بینی بیماریها نیاز به یک روش کارآمد و دقیق است تا با کمترین زمان و بیشترین دقت بتواندپزشکان را در تشخیص صحیح ابتلا یا عدم ابتلا به بیماری یاری رسانده و گام مهمی در جهت پیشگیری و کنترل بیماری بهخصوص در مراحل اولیه آن بردارد. با توجه به اینکه امروزه استفاده از تکنیک های داده کاوی و هوش مصنوعی در زمینهپزشکی رشد روز افزونی داشته است، در این مقاله سعی کردیم تا با استفاده از شبکه عصبی مصنوعی مبتنی بر الگوریتمزنبور عسل روشی جهت تشخیص و پیش بینی بیماریهای دیابت، هپاتیت، بیماری قلبی و سرطان سینه ارایه دهیم. نتایجشبیه سازی الگوریتم پیشنهادی با استفاده از مجموعه داده های موجود در سایت UCI نشان دهنده دقت 89.1، 80.19، 84.24 و 89.48 درصد به ترتیب در تشخیص بیماری های دیابت، هپاتیت، بیماری قلبی و سرطان سینه می باشد.

دیابت، هپاتیت، بیماری قلبی، سرطان سینه، الگوریتم زنبور عسل، شبکه عصبی مصنوعی