การวิเคราะห์ผลเลือดด้วยวิธีการตัดสินใจเชิงความหมายบนพื้นฐานของกฏนิวโรฟัซซี แบบปรับตัวได้
Article Sidebar
เผยแพร่แล้ว:
พ.ค. 3, 2018
Main Article Content
บทคัดย่อ
ในงานวิจัยนี้สร้างแบบจำลองสำหรับการตัดสินใจเชิงความหมายโดยมีวัตถุประสงค์เพื่อสร้างระบบการวินิจฉัยโรคจากผลตรวจเลือด โดยผสมผสานหลักการของโครงข่ายประสาทเทียม ฟัซซีโลจิก ในฐานความรู้ออนโทโลยี กฎของการตัดสินใจเชิงความหมายแบบฟัซซีได้รับการออกแบบสำหรับข้อมูลนำเข้า 9 อย่าง และข้อมูลการส่งออก 3 อย่าง โดยข้อมูลการนำเข้าประกอบด้วยผลตรวจ FBS, BUN, Creatinine, Uric acid, Cholesterol, Triglyceride, ALP, ALT และ AST และข้อมูลส่งออกเป็นผลของการแปลผลตรวจเลือดทางห้องปฏิบัติการทางการแพทย์ การวินิจฉัยโรค และระดับความเสี่ยงในการเกิดโรค กฎการวินิจฉัยโรคแบบฟัซซีมีการเรียนรู้โดยชุดข้อมูลการสอนแบบโครงข่ายประสาทเทียม ในงานวิจัยนี้เราใช้โปรแกรมโปรเทเก้ (Protégé) ในการสร้างออนโทโลจี (Ontology) เพื่อเป็นฐานความรู้ในรูปแบบของ OWL และสร้างกฎเชิงความหมายในภาษา SWRL ที่สามารถสรุปผลการตรวจวินิจฉัยโรคจากผลตรวจเลือดจากฐานความรู้เชิงความหมายที่สร้างขึ้น การประเมินประสิทธิภาพความถูกต้องของผลวินิจฉัยโรคจากผลตรวจเลือดโดยวัดค่าความแม่นยำ (Precision) ได้ 98.2% ค่าความครบถ้วน (Recall) ได้ 97.4% และ ค่าความถ่วงดุล (F-measure) ได้ 95.1%
Article Details
บท
บทความวิจัย
References
กมเลศ วรธาดา. 2549. “การพัฒนาระบบช่วยในการวินิจฉัยโรคทางจิตเวชทั่วไปด้วยเทคโนโลยีออนโทโลยี.” วิทยานิพนธ์วิทยาศาสตรมหาบัณฑิต, เทคโนโลยีสารสนเทศ สถาบันเทคโนโลยีพระจอมเกล้าพระนครเหนือ.
ชัชวาลย์ ศรีมนตรี. 2554. “ระบบสืบค้นข้อมูลการท่องเที่ยวที่สอดคล้องกับความสนใจส่วนบุคคลของผู้ใช้โดยใช้คำอธิบายออนโทโลยี.” วิทยานิพนธ์วิทยาศาสตรมหาบัณฑิต คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยขอนแก่น.
ผุสดี บุญรอด. 2551. “การศึกษาปัจจัยที่มีผลต่อการย่อความภาษาไทยและการพัฒนาเทคนิคการย่อความภาษาไทย โดยใช้การประมวลผลภาษาธรรมชาติร่วมกับฐานความรู้ออนโทโลยี.” วิทยานิพนธ์ปรัชญาดุษฎีบัณฑิต คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ.
รวิกานต์ ปัณณะรัส. 2552. “การประยุกต์เว็บเชิงความหมายในการสืบค้นความเชี่ยวชาญของนักวิจัย.” วิทยานิพนธ์วิทยาศาสตร์มหาบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์ ภาควิชาวิทยาการคอมพิวเตอร์และสารสนเทศ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ.
สิริรัตน์ ประกฤติกรชัย. 2550. “การสร้างต้นแบบออนโทโลยีของพืชสมุนไพรไทย.” วิทยานิพนธ์วิทยาศาสตร์มหาบัณฑิต คณะวิทยาการคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ.
Askari M. and Markazi A. H. D. (2012). “A new evolving compact optimised Takagi-Sugeno fuzzy model and its application to nonlinear system identification.” International Journal of Systems Science, 43, 4: pp. 776-785.
Bektas Ekici B. and Aksoy U. T. (2011). “Prediction of building energy needs in early stage of design by using ANFIS.” Expert Systems with Applications, 38, 5: pp. 5352-5358.
Chen R.-C., et al. (2012). “A recommendation system based on domain ontology and SWRL for anti-diabetic drugs selection.” Expert Systems with Applications, 39, 4: pp. 3995–4006.
Fazeli S., Naghibolhosseini M. and Bahrami F. (2008). “An Adaptive Neuro-Fuzzy Inference System for Diagnosis of Aphasia.” The 2nd International Conference on Bioinformatics and Biomedical Engineering (ICBBE), pp. 535 – 538. Shanghai, China. Medicine and Biology Society.
Harun Uğuz. (2012). “Adaptive neuro-fuzzy inference system for diagnosis of the heart valve Diseases using wavelet transform with entropy.” Neural Computing and Applications, 21, 7: pp. 1617-1628.
Holger K., et al. (2013). The Protege OWL Plugin: An Open Development Environment for Semantic Web Applications. Retrieved December 1, 2013.
Horrocks I., et al. (2004). “SWRL: A semantic web rule language combining OWL and RuleML.” W3C Member submission, 21: pp. 79.
Jang J.–S. R. (1993). “ANFIS: Adaptive-Network-based Fuzzy Inference System.” IEEE Transactions on Systems, Man, and Cybernetics, 23, 3: pp. 665-685.
Kiryakov A., et al. (2004). “Semantic annotation, indexing, and retrieval.” Web Semantics: Science, Services and Agents on the World Wide Web, 2,1: pp. 49–79.
López M. F., et al. (1999). “Building a chemical ontology using methontology and the ontology design environment.” IEEE intelligent Systems, 14, 1: pp. 37–46.
McGuinness D. L. and Harmelen F. van. (2004). OWL Web Ontology Language Overview.Retrieved December 1, 2013.
Mor P., et al. (2008). “Onto-clust-A methodology for Combining clustering analysis and ontological methods for identifying groups of co morbidities for developmental disorders.” Journal of BioMedical Informatics, 42, 1(Frebruary): pp.165-175.
Obanijesu O. and Emuoyibofarhe O. Justice. (2012). “Development of Neuro-fuzzy System for Early Prediction of Heart Attack.” International Journal Information Technology and Computer Science, 9: pp. 22-28.
O’connor M., et al. (2005). Supporting Rule System Interoperability on the Semantic Web With SWRL. Retrieved November 1, 2014.
Özkan AO., et al. (2010). “Medical diagnosis of rheumatoid arthritis disease from right and left hand Ulnar artery Doppler signals using adaptive network based fuzzy inference system (ANFIS) and MUSIC method.” Adv Eng Software, 41: pp.1295–301.
Shankar R. D., et al. (2006). “Epoch: An Ontological Framework to Support Clinical Trials Management.” International Workshop on Healthcare Information and Knowledge Management, pp. 25–32.
Tarig F., Mohd N. T. and Fatimah I. (2011). “Adaptive Neuro-Fuzzy Inference System for Diagnosis Risk in Dengue Patients.” Expert system with Applications, 39: pp. 4483-4495.
ชัชวาลย์ ศรีมนตรี. 2554. “ระบบสืบค้นข้อมูลการท่องเที่ยวที่สอดคล้องกับความสนใจส่วนบุคคลของผู้ใช้โดยใช้คำอธิบายออนโทโลยี.” วิทยานิพนธ์วิทยาศาสตรมหาบัณฑิต คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยขอนแก่น.
ผุสดี บุญรอด. 2551. “การศึกษาปัจจัยที่มีผลต่อการย่อความภาษาไทยและการพัฒนาเทคนิคการย่อความภาษาไทย โดยใช้การประมวลผลภาษาธรรมชาติร่วมกับฐานความรู้ออนโทโลยี.” วิทยานิพนธ์ปรัชญาดุษฎีบัณฑิต คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ.
รวิกานต์ ปัณณะรัส. 2552. “การประยุกต์เว็บเชิงความหมายในการสืบค้นความเชี่ยวชาญของนักวิจัย.” วิทยานิพนธ์วิทยาศาสตร์มหาบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์ ภาควิชาวิทยาการคอมพิวเตอร์และสารสนเทศ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ.
สิริรัตน์ ประกฤติกรชัย. 2550. “การสร้างต้นแบบออนโทโลยีของพืชสมุนไพรไทย.” วิทยานิพนธ์วิทยาศาสตร์มหาบัณฑิต คณะวิทยาการคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ.
Askari M. and Markazi A. H. D. (2012). “A new evolving compact optimised Takagi-Sugeno fuzzy model and its application to nonlinear system identification.” International Journal of Systems Science, 43, 4: pp. 776-785.
Bektas Ekici B. and Aksoy U. T. (2011). “Prediction of building energy needs in early stage of design by using ANFIS.” Expert Systems with Applications, 38, 5: pp. 5352-5358.
Chen R.-C., et al. (2012). “A recommendation system based on domain ontology and SWRL for anti-diabetic drugs selection.” Expert Systems with Applications, 39, 4: pp. 3995–4006.
Fazeli S., Naghibolhosseini M. and Bahrami F. (2008). “An Adaptive Neuro-Fuzzy Inference System for Diagnosis of Aphasia.” The 2nd International Conference on Bioinformatics and Biomedical Engineering (ICBBE), pp. 535 – 538. Shanghai, China. Medicine and Biology Society.
Harun Uğuz. (2012). “Adaptive neuro-fuzzy inference system for diagnosis of the heart valve Diseases using wavelet transform with entropy.” Neural Computing and Applications, 21, 7: pp. 1617-1628.
Holger K., et al. (2013). The Protege OWL Plugin: An Open Development Environment for Semantic Web Applications. Retrieved December 1, 2013.
Horrocks I., et al. (2004). “SWRL: A semantic web rule language combining OWL and RuleML.” W3C Member submission, 21: pp. 79.
Jang J.–S. R. (1993). “ANFIS: Adaptive-Network-based Fuzzy Inference System.” IEEE Transactions on Systems, Man, and Cybernetics, 23, 3: pp. 665-685.
Kiryakov A., et al. (2004). “Semantic annotation, indexing, and retrieval.” Web Semantics: Science, Services and Agents on the World Wide Web, 2,1: pp. 49–79.
López M. F., et al. (1999). “Building a chemical ontology using methontology and the ontology design environment.” IEEE intelligent Systems, 14, 1: pp. 37–46.
McGuinness D. L. and Harmelen F. van. (2004). OWL Web Ontology Language Overview.Retrieved December 1, 2013.
Mor P., et al. (2008). “Onto-clust-A methodology for Combining clustering analysis and ontological methods for identifying groups of co morbidities for developmental disorders.” Journal of BioMedical Informatics, 42, 1(Frebruary): pp.165-175.
Obanijesu O. and Emuoyibofarhe O. Justice. (2012). “Development of Neuro-fuzzy System for Early Prediction of Heart Attack.” International Journal Information Technology and Computer Science, 9: pp. 22-28.
O’connor M., et al. (2005). Supporting Rule System Interoperability on the Semantic Web With SWRL. Retrieved November 1, 2014.
Özkan AO., et al. (2010). “Medical diagnosis of rheumatoid arthritis disease from right and left hand Ulnar artery Doppler signals using adaptive network based fuzzy inference system (ANFIS) and MUSIC method.” Adv Eng Software, 41: pp.1295–301.
Shankar R. D., et al. (2006). “Epoch: An Ontological Framework to Support Clinical Trials Management.” International Workshop on Healthcare Information and Knowledge Management, pp. 25–32.
Tarig F., Mohd N. T. and Fatimah I. (2011). “Adaptive Neuro-Fuzzy Inference System for Diagnosis Risk in Dengue Patients.” Expert system with Applications, 39: pp. 4483-4495.