فصلنامه آماد و فناوری دفاعی

فصلنامه آماد و فناوری دفاعی

تشخیص زودهنگام کم‌خونی با استفاده از الگوریتم‌های یادگیری ماشین: راهکارهایی برای بهبود سلامت جامعه

نوع مقاله : مقاله پژوهشی

نویسنده
مربی گروه مهندسی کامپیوتر، دانشکده برق و کامپیوتر،دانشگاه ملی مهارت، تهران، ایران
چکیده
کم‌خونی، به‌عنوان یک بیماری شایع که به کاهش سطح هموگلوبین خون منجر می‌شود، تأثیرات گسترده‌ای بر سلامت عمومی و کیفیت زندگی دارد. این پژوهش با هدف مقایسه کارایی الگوریتم‌های یادگیری ماشین در تشخیص زودهنگام کم‌خونی و ارائه راهکارهایی برای بهبود سلامت جامعه انجام شده است. داده‌های مورد استفاده، مجموعه‌ای از اطلاعات 104 بیمار است که توسط بیسوا رانجان رائو، دانشجوی دانشکده مهندسی دیاناندا ساگار هند، تهیه و به‌صورت رایگان در وب‌سایت کگل در اختیار پژوهشگران قرار گرفته است. این مجموعه داده شامل ویژگی‌های مختلفی مانند سطح هموگلوبین، تعداد گلبول‌های قرمز و مقادیر پیکسل‌های رنگی تصویر است که هر کدام به‌عنوان ورودی در مدل‌های یادگیری ماشین به کار رفته‌اند. مدل‌های به‌کار گرفته شده شامل رگرسیون لجستیک، K نزدیک‌ترین همسایه، ماشین بردار پشتیبان، درخت تصمیم، جنگل تصادفی، بیز ساده، تقویت گرادیانی، تقویت تطبیقی، تحلیل تفکیک خطی و تحلیل تفکیک درجه دوم بوده‌اند. نتایج نشان دادند که مدل‌هایی مانند جنگل تصادفی و تقویت تطبیقی به دقت 100% در پیش‌بینی کم‌خونی دست یافتند، در حالی که مدل‌هایی مانند ماشین بردار پشتیبان و K نزدیک‌ترین همسایه عملکرد ضعیف‌تری داشتند. این پژوهش می‌تواند به بهبود دقت ابزارهای تشخیصی و کاهش هزینه‌های درمانی کمک کرده و مبنایی برای سیاست‌گذاری‌های بهداشتی مؤثر و ارتقای سلامت جامعه فراهم آورد.
کلیدواژه‌ها
موضوعات