Genetic-neuro-fuzzy system for grading depression

هدف اصلی این مطالعه ایجاد یک ابزار نمونه اولیه نرم افزاری برای درجه بندی و تشخیص افسردگی است که به پزشکان عمومی برای کاربردهای دست اول کمک خواهد کرد. شناسایی عالیم کلیدی مسئول افسردگی نیز یکی دیگر از مسائل مهم در این مطالعه است. این شامل مجموعه ای از داده های گرفته شده از بیماران از طریق پزشکان است. به دلایل مختلف، جمع آوری داده ها در سناریوی هندی بسیار مشکل است و بنابراین این ابزار بسیار مفید و مفید خواهد بود برای پزشکان عمومی که در نقاط دورافتاده کار می کنند. همچنین امکان جمع آوری یک پایگاه اطلاعاتی از طریق این مدل نرم افزاری امکان پذیر است. برای این منظور یک مدل عصبی فازی هوشمند طراحی شده است. عملکرد مدل گفته شده از طریق دو روش بهینه سازی شده است. در رویکرد 1، که در آن یک الگوریتم برگشت عقب مورد توجه قرار گرفته و در روش 2 الگوریتم ژنتیک مورد استفاده قرار گرفته است. مدل با 78 داده آموزش داده شده و با 10 داده مورد تایید قرار گرفته است. رویکرد 2 جایگزین روش 1 از لحاظ دقت تشخیصی است. بنابراین می توان گفت که مدل های تشخیصی مبتنی بر محاسبات نرم می تواند به پزشکان کمک کند تا تصمیمات آگاهانه بگیرند. داده های مربوط به آموزش و اعتبار سنجی برای این منظور طی سال های 2004-2005 از یک بیمارستان روانی دولتی در هند جمع آوری شده است.