ارائه یک روش هوشمند برای تشخیص بیماری تیروئید با استفاده از شبکه های عصبی پرسپترون چندلایه

غده تیروئید از حیاتی‌ترین غدد درون‌ریز بدن است و در سنین مختلف، نقش‌آفرینی‌های متفاوتی را برعهده دارد. به‌طور مثال در دوران جنینی و در زندگی دوران رحم، مسئول تکامل و تبدیل سلول‌های بنیادی به اعضای مختلف بدن است؛ بنابراین در شکل‌گیری اندام‌های مختلف به ویژه مغز و سیستم عصبی نقش بسیار حیاتی ایفا می‌کند. اگرچه هورمون تیروئید در دوران جنینی، نقش عمده‌ای را در رشد و تکامل دارد، این وظیفه بعد از زایمان و در دوران شیرخوارگی و کودکی بر عهده هورمون رشد است، اما هورمون ترشح‌شده از این غده (لووتیروکسین) در بزرگسالان مسئول تنظیم متابولیسم و سوخت‌و‎ساز بدن بوده و نقش تعیین‌کننده‌ای را در متابولیسم سلول‌های بدن بر عهده دارد. همچنین این غده در تعیین درجه حرارت بدن، سلامت سیستم مغز و اعصاب، سلامت روحی و روانی زنان و همچنین سلامت قلب و عروق، نقش‌آفرینی‌های مهمی دارد. سه دسته مشکل ممکن است در غده تیروئید ایجاد شود. یکی از این مشکلات، کم‌کاری غده تیروئید بوده که در آن، این غده به‌دلیل کاهش توانایی، کمتر از مقدار مورد نیاز، هورمون ترشح می‌کند. دسته دیگر از مشکلات، پرکاری‌های تیروئید است که در این نوع اختلالات، هورمون بیش از اندازه ترشح می‌شود. دسته سوم، گره‌ها و توده‌های اضافی است که در این غده ایجاد می‌شود که بعضی از آن‌ها نیز بدخیم بوده و از آن‌ها با عنوان سرطان‌های تیروئید یاد می‌شود. از آنجا که تکنیک های داده کاوی برای پیش بینی بیماری های مختلف در زمینه پزشکی نقش مهمی ایفا می کنند. ما در این مقاله یک روش هوشمند مبتنی بر تکنیک شبکه های عصبی پرسپترون چندلایه که در آن از الگوریتم یادگیری پس انتشار خطا برای پیش بینی بیماری تیروئید ارائه کرده ایم. نتایج شبیه سازی در نرم افزار متلب نشاندهنده اینست که روش پیشنهادی نسبت به روش های پیشین با دقت بهتری می تواند تیروئید را هوشمندتر و دقیق تر پیش بینی نماید.