مدل سازی سیستم خود ارزیابی بیماری Covid-19 با استفاده از استنتاج‌های فازی سوگنو نوع دو

بر اساس گزارش سازمان بهداشت جهانی با تداوم همه گیری ویروس کرونا در جهان تا کنون شمار فوت شدگان به بیش از یک میلیون تن رسیده است. تشخیص زود هنگام بیماری می‌تواند کمک زیادی برای قطع زنجیره انتقال بیماری باشد. در حال حاضر کیت های تست کووید 19 بسیار محدود و پر هزینه هستند که روند تشخیص را کند و مشکل ساز می‌سازند در نتیجه نیاز است این بیماری در مراحل اولیه تشخیص داده شود تا از انتقال آن جلوگیری گردد. از این رو بر آن شدیم تا به کمک استنتاج فازی سوگنو نوع دو روش خود ارزیابی بیماری کووید 19 را پیشنهاد دهیم که می‌تواند باعث صرفه جویی در وقت و هزینه شود. این سیستم مبتنی بر 98 قانون است که بر اساس رهنمودهای سازمان بهداشت جهانی تهیه شده است و از نرم افزار matlab برای شبیه سازی و تشخیص بیماری استفاده شده است. نتایج نشان می‌دهد که مدل فازی سوگنو به ترتیب با ضریب همبستگی r^2=0.94 و مجذور مربعات خطا mse=0.045 در مرحله آموزش و تست عملکرد قابل قبولی در تشخیص وتعیین نوع بیماری کووید 19 دارد. نتایج خود ارزیابی بسیار امیدوارکننده است و می‌تواند مانعی از گسترش بیشتر بیماری گردد.

Modeling of self-assessment system of COVID-19 disease diagnosis using Type-2 Sugeno fuzzy inference system

Due to the continuation of the pandemic of Coronavirus in the whole world, the number of deaths has reached over one million, based on the World Health Organization reports. Early diagnosis of the illness can be a great assistance in order to break the chain of disease transmission. Nowadays, COVID19 test kits are so limited in numbers, and expensive in terms of a cost, which slows down the diagnosis procedure and makes it difficult, thus, it is necessary to diagnose the disease in the early stages, to prevent its incidence. Therefore, we decided to propose a selfassessment method for COVID19 disease, using a type2 Sugeno fuzzy inference system, which causes conservation in time and costs. The system is prepared based on 98 rules, according to the World Health Organization instructions, using MATLAB software to simulate and diagnose the disease. The results show that Sugeno fuzzy with better correlation coefficient R^2=0.94 and error squared RMSE = 0.045, respectively, has acceptable accuracy for estimating and identifying COVID19 disease. The selfassessment consequences are very promising and can prevent the further spread of the disease.