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

IF 1.2 Q3 MULTIDISCIPLINARY SCIENCES

Baghdad Science Journal Pub Date : 2024-03-19 DOI:10.21123/bsj.2024.9184

Vian Sabeeh, Ahmed Bahaaulddin A. Alwahhab, Ali Abdulmunim Ibrahim Al-kharaz

{"title":"تشخيص الامراض الوبائية المتعددة من البيانات غير المبوبة باستخدام خوارزمية جايا لتحسين خوارزمية التعلم العميق","authors":"Vian Sabeeh, Ahmed Bahaaulddin A. Alwahhab, Ali Abdulmunim Ibrahim Al-kharaz","doi":"10.21123/bsj.2024.9184","DOIUrl":null,"url":null,"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%.","PeriodicalId":8687,"journal":{"name":"Baghdad Science Journal","volume":null,"pages":null},"PeriodicalIF":1.2000,"publicationDate":"2024-03-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Baghdad Science Journal","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21123/bsj.2024.9184","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q3","JCRName":"MULTIDISCIPLINARY SCIENCES","Score":null,"Total":0}

引用次数: 0

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%.

查看原文本刊更多论文

利用盖亚算法从无标记数据中诊断多种流行病，优化深度学习算法

流行病已成为我们当前环境中无法回避的问题，因为它们具有相同的症状特征，这给诊断和早期检测带来了困难。因此，有必要找到一种基于不同患者症状的疾病分类技术。医学文档是重要的资料来源之一，仍然需要创新和可靠的方法对其进行分析，以达到对多种疾病的诊断，因此，在这一领域加大力度，丰富医学文本的处理方法，使其在健康信息学领域中受益是非常重要的。为此，本研究提出了 JASBO 算法，即基于深度学习的 JAYA 差异率优化算法，根据未分类的文本数据对传染病进行分类。假设的 ID-NET 疾病诊断网络由一个用于诊断外来词或对诊断有用的词的 CNN 卷积神经网络和一个 BI-LSTM 双向长期记忆网络组成。JASBO 算法用于确定最终分类网络中过滤器的大小，以识别表达疾病的文本中最重要的部分。该网络首先将待分类的文本输入单词，然后单词通过卷积深度学习网络进行路由。此外，利用二进制记忆网络提取单词的模式化特征或字符层次，将其转化为特征矩阵，并将其路由到传感层，传感层利用库马尔-汉斯布鲁克相似性公式发现单词之间字符层次的相似性。根据 JASBO 网络的输出结果，预测每个词的类别是否与疾病症状有关。假设的疾病诊断网络的准确率为 91%，召回率为 88%，F-SCORE 为 90%。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Baghdad Science Journal MULTIDISCIPLINARY SCIENCES-

CiteScore

2.00

自引率

50.00%

发文量

102

审稿时长

24 weeks

期刊介绍： The journal publishes academic and applied papers dealing with recent topics and scientific concepts. Papers considered for publication in biology, chemistry, computer sciences, physics, and mathematics. Accepted papers will be freely downloaded by professors, researchers, instructors, students, and interested workers. ( Open Access) Published Papers are registered and indexed in the universal libraries.