تشخیص بیماری‌های دستگاه ادراری با الگوریتم ترکیبی تابع پایه شعاعی و بهینه سازی ازدحام ذرات

با توجه به پیشرفت‌های حاصله در تشخیص بیماری، لزوم تشخیص بهتر بیماری‌های دستگاه ادراری نیز به دلیل داشتن نشانه‌های مشخص حائز اهمیت است. در این پژوهش، سه روش، شبکه عصبی rbf و الگوریتم بهینه‌سازی ازدحام ذرات، شبکه عصبی پس انتشار خطا، شبکه عصبی rbf بدون بهینه سازی برای تشخیص بیمار یا سالم بودن و نوع بیماری مجاری ادراری مورد بررسی قرار گرفت. در روش پیشنهادی برای رسیدن به نتایج بهینه‌تر از الگوریتم بهینه‌سازی ازدحام ذرات استفاده کرده‌ایم. از شبکه عصبی تابع پایه شعاعی و بهینه‌سازی ازدحام ذرات برای تشخیص نوع بیماری‌های مجاری ادراری استفاده شده است. صحت روش در بررسی بیمار یا سالم بودن و یا تشخیص نوع بیماری به ترتیب دارای نتیجه 0.95 و 0.91 می‌باشد.

diagnosing urinary tract diseases with radial basis function combined algorithm and particle swarm optimization

according to the progress made in the diagnosis of the disease, the need for a better diagnosis of urinary tract diseases is also important due to having specific symptoms. in this research, three methods, rbf neural network and particle swarm optimization algorithm, neural network after error propagation, rbf neural network without optimization were investigated to diagnose whether the patient is healthy or not, and the type of urinary tract disease. in the proposed method, we have used the particle swarm optimization algorithm to achieve more optimal results. radial basis function neural network and particle swarm optimization have been used to diagnose urinary tract diseases. the accuracy of the method in examining whether the patient is healthy or diagnosing the type of disease has the results of 0.95 and 0.91, respectively.