基于神经模糊规则的甲状腺疾病诊断专家系统
人工智能
2014-03-04 v1
摘要
甲状腺是一种内分泌腺，其分泌的激素进入血液并循环至全身各组织，在那里控制每个细胞的生命功能。正常水平的甲状腺激素有助于大脑、心脏、肠道、肌肉和生殖系统正常运作。甲状腺激素控制着人体的新陈代谢。甲状腺功能异常通常与甲状腺激素产生过少（甲状腺功能减退）或产生过多（甲状腺功能亢进）有关。因此，对这些疾病的正确诊断是一个非常重要的课题。本研究提出了一种带有特征选择的语言算子神经模糊分类器 (LHNFCSF) 用于甲状腺疾病的诊断。该系统的性能评估采用分类准确率和 k 折交叉验证进行估算。结果表明，在不进行特征选择的情况下，训练阶段和测试阶段的分类准确率分别为 98.6047% 和 97.6744%，均方根误差 (RMSE) 为 0.02335。应用特征选择算法后，LHNFCSF 在训练阶段对所有聚类大小均达到了 100% 的准确率。然而，在测试阶段，当每类使用一个聚类时，LHNFCSF 的准确率为 88.3721%；使用两个聚类时为 90.6977%；使用三个聚类时为 91.8605%；当每类使用四个聚类且包含 12 条模糊规则时，准确率达到 97.6744%。就文献中针对该问题的其他分类应用而言，所获得的分类准确率非常有前景。
引用
@article{arxiv.1403.0522,
title = {Expert System Based On Neural-Fuzzy Rules for Thyroid Diseases Diagnosis},
author = {Ahmad Taher Azar and Aboul Ella Hassanien},
journal= {arXiv preprint arXiv:1403.0522},
year = {2014}
}
备注
Conference Paper