تشخيص الامراض الوبائية المتعددة من البيانات غير المبوبة باستخدام خوارزمية جايا لتحسين خوارزمية التعلم العميق

Abstract

الأمراض الوبائية اصبحت مشكلة لا يمكن تجنبها في بيئتنا الحالية مع تميزها بنفس الاعراض الامر الذي يجعل من تشخيصها و الكشف المبكر عنها امراً صعباً. لذلك، اصبح من الضروري ايجاد تقنية تعتمد على اعراض المرضى المختلفة لتصنيف امراضهم. تعد الوثائق الطبية من المصادر المهمة التي مازالت تحتاج لطرق مبتكرة وموثوقة لتحليلها من اجل الوصول لتشخيص الكثير من الامراض، وعليه من المهم اضافه جهد في هذا المجال لأثراء معالجه النصوص الطبية للاستفادة منها في مجال المعلوماتية الصحية .ولهذا، تم افتراض خوارزمية JASBO اي خوارزمية تحسين معدل الفرق باستخدام JAYA التي تعتمد على التعلم العميق والتي تعمل على تصنيف الامراض المعدية الى فئاتها اعتمادا على البيانات النصية غير المبوبة في هذا البحث. ان شبكة تشخيص الامراض ID-NET التي افترضت تتكون من شبكة عصبية التفافية CNN من اجل تشخيص الكلمات الغريبة او الكلمات المفيدة في التشخيص مع شبكة الذاكرة الثنائية الاتجاه طويلة المدى BI-LSTM . حيث تم استخدام خوارزمية JASBO من اجل تحديد حجم الفلتر في شبكة التصنيف النهائية من اجل تحديد اهم اجزاء النص المعبرة عن المرض. يبدأ عمل الشبكة بدخول النص المطلوب تصنيفه الى مرحلة التقطيع الى كلمات، ليتم توجيه الكلمات لاحقاً شبكة تعلم عميق التفافية. اضافه لذلك يتم استخراج خصائص نمطيه او تراتبية احرف الكلمات باستخدام شبكة الذاكرة الثنائية لتتحول الى مصفوفه خصائص توجه الى طبقة تحسس لا يجاد تشابه تراتبية الحروف بين الكلمات بواسطة معادلة كومار-هانزبروك للتشابه . اعتماداً على ناتج شبكة JASBO يتم التنبؤ بفئة كل كلمة فيما اذا كانت تشير لأعراض مرض ما. الشبكة المفترضة لتشخيص الامراض أظهرت كفاءة بدقة 91 % ونسبة ارجاع 88% مع نسبة F-SCORE وصلت الى 90%.