یک رویکرد جدید مبتنی بر الگوریتم CatBoost و هوش مصنوعی تفسیرپذیر به منظور تشخیص بیماری کرونا بر اساس علائم بیماری | ||
| مدل سازی در مهندسی | ||
| دوره 21، شماره 74، پاییز 1402، صفحه 231-241 اصل مقاله (1.22 M) | ||
| نوع مقاله: مقاله کامپیوتر | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2023.29413.2385 | ||
| نویسندگان | ||
| سمانه امامی* 1؛ علی سیدمومنی2؛ حمید نصیری3 | ||
| 1استادیار گروه مهندسی کامپیوتر- دانشکده مهندسی برق و کامپیوتر دانشگاه سمنان | ||
| 2دانشکده مهندسی برق و کامپیوتر- دانشگاه سمنان | ||
| 3دانشکده مهندسی کامپیوتر- دانشگاه صنعتی امیرکبیر | ||
| چکیده | ||
| ویروس کرونا که در ماه دسامبر 2019 در شهر ووهان چین دیده شد و به سرعت در سراسر جهان شیوع پیدا کرد، همچنان یک تهدید مهم برای سلامت جهان به شمار میآید. علیرغم همه استراتژیهای مورد استفاده برای مقابله با گسترش کویید-۱۹، هنوز به تدابیر بیشتری برای رفع پیامدهای ناشی از آن نیاز است. در این پژوهش برای تشخیص فرد مبتلا به کووید-۱۹ از ویژگیهای بالینی افراد به عنوان دادههای ورودی استفاده شده است که حاصل جمعآوری اطلاعات از پژوهشهای مشابه است. همچنین از الگوریتمهای مختلفی شامل یادگیری ماشین بردار پشتیبان، رگرسیون لجستیک، k نزدیکترین همسایه (k=9)، بیز ساده، جنگل تصادفی، LightGBM، XgBoost و CatBoost استفاده شده که از میان آنها الگوریتمCatBoost ، با کسب حساسیت 97/97 درصد، دقت 72/97 درصد و صحت ۹۶/۹۶ درصد بهترین نتایج را از خود نشان داد. در این الگوریتم، برای تنظیم هر چه دقیقتر فوقپارامترها به منظور رسیدن به نتایج مطلوب از روش آزمون و خطا استفاده شده و از SHAP برای تفسیر نتایج و مشخص کردن تاثیر ویژگیها بر خروجی الگوریتم استفاده گردیده است. | ||
| کلیدواژهها | ||
| الگوریتم CatBoost؛ ویروس کرونا؛ شبکه عصبی عمیق؛ بیماری کووید-19؛ یادگیری ماشین؛ SHAP | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,623 تعداد دریافت فایل اصل مقاله: 638 |
||
| تعداد نشریات | 22 |
| تعداد شمارهها | 723 |
| تعداد مقالات | 10,394 |
| تعداد مشاهده مقاله | 72,854,488 |
| تعداد دریافت فایل اصل مقاله | 64,552,193 |