تشخیص بیماری کووید-19 بوسیله سیستم خبره فازی طراحی شده بر اساس ورودی-خروجی

پیش‌بینی و تشخیص دقیق بیماری‌ کووید19 برای همه و به ویژه برای متخصصان پزشکی کاری بسیار با اهمیت است. از طرف دیگر استفاده از سیستمهای فازی در حوزه پزشکی با سرعت در حال افزایش است. در این پژوهش با استفاده از اطلاعات 375 بیمار مشکوک به بیماری کووید19 که به مراکز درمانی بیمارستان‌های امام خمینی(ره) تهران، البرز و کوثر کرج مراجعه کرده‌اند سیستم فازی طراحی شد. برای این منظور تعداد 300 نفر جهت استخراج قوانین و 75 نفر به عنوان داده‌های تست در نظر گرفته شدند. اطلاعات 12 پارامتر مهم بیماری کووید 19 اعم از تب، سرفه‌،‌ سردرد، ‌علائم گوارشی، ‌بثورات پوستی،‌ حس بویایی و چشایی‌، ‌بیماری زمینه‌ای، قفسه سینه، سطح اکسیژن خون، ‌بی‌حالی، سن، سابقه خانوادگی وهمچنین شدت بیماری کووید19 دریافت گردید. سیستم خبره فازی پس از بررسی قوانین و حذف قوانین مشابه ومتناقض با بهره گیری از محاسبه درجه آنها، با 29 قانون طراحی گردید در این سیستم با ادغام برخی عوامل در نهایت 8 متغیر ورودی و یک متغیر خروجی در نظر گرفته شدکه با موتور استنتاج حاصلضرب،‌ فازی ساز منفرد و غیر فازی ساز میانگین مراکز مورد استفاده قرار گرفت. ملاحظه شد که سیستم طراحی شده نتایج بسیار خوبی را ارائه می‌دهد، به طوریکه با دقت بالای 93 درصد بیماری کووید19 را شناسایی می‌کند و همچنین حساسیت سیستم ببش از 95 درصد و ویژگی سیستم طراحی شده بیش از 87 درصد می‌باشد.

Diagnosis of COVID-19 disease by fuzzy expert system designed based on input-output

Accurate prediction and diagnosis of COVID19 disease is very important for everyone, especially for medical professionals. On the other hand, the use of fuzzy systems in medicine is increasing rapidly. In this study, a fuzzy system was designed using the information of 375 patients suspected of having COVID19 disease who referred to Imam Khomeini (Tehran), Alborz (Karaj) and Kowsar(Karaj) hospitals. For this purpose, 300 people were considered to extract the rules and 75 people were considered as test data. Information on 12 important parameters of COVID19 disease including fever, cough, headache, gastrointestinal symptoms, skin rash, sense of smell and taste, underlying disease, chest CT, blood oxygen level, lethargy, age, family history and severity of COVID19 disease received. The fuzzy expert system was designed with 29 rules after reviewing the rules and removing similar and contradictory rules by using their degree calculation. In this system, by integrating some factors, finally 8 input variables and one output variable were considered that was used by product inference engine, singleton fuzzifier and center average defuzzifier. It was observed that the designed fuzzy expert system provides very good results, so that it detects 93% of Covid19 disease with high accuracy and also the sensitivity of the system is more than 95% and the specificity of the designed system is more than 87%.