Expert system design by using artificial intelligence techniques for the diagnosis of liver disorders

Abstract

Günümüzde uzman sistemler birçok gerçek dünya problemlerinin çözümünde yaygın olarak kullanılmaktadır. Uzman sistemlerde, yapay zekâ teknikleri insanların düşünce sistemlerini ve davranışlarını taklit edebildiği için, günlük problemlerin çözümü için zamanında ve doğru kararların elde edilmesi için kullanılır. Özellikle medikal alanda, herhangi bir hastalığın teşhisi için, çeşitli yapay zekâ tekniklerine dayanan uzman sistemleri kullanan birçok araştırma ve uygulamalar vardır.Karaciğer insan vücudu için hayati bir iç organdır ve diğer organlarla ilişkili olan birçok fonksiyonu yerine getirir. Karaciğer bir hasarla karşılaştığı zaman kendini yenileyebilme yeteneğine sahip olmasına ve hatta karaciğerin ¼ ü bile karaciğer fonksiyonlarını gerçekleştirmek için yeterli olmasına rağmen, büyük hasarlar karaciğer fonksiyonlarının sürekliliği için engel teşkil eder. Bu yüzden karaciğer hastalıklarında erken teşhis çok önemlidir. Bu çalışmada karaciğer hastalığının teşhisi için C# programlama dili ve `Indian Liver Patient Dataset (ILPD)` ve `Liver Disorder Dataset (BUPA Dataset)` kullanılarak Ateş Böceği Algoritması ve Destek Vektör Makinası tekniklerine dayalı uzman sistemler geliştirilmesi hedeflenmiştir. Önerilen Sistemlerin performans değerlendirmesi için Doğruluk, Pozitif Kestirim Değeri, Negatif Kestirim Değeri, Duyarlılık, Özgüllük Hassaslık ve F-ölçütü kullanılmıştır. ILPD seti için, önerilen Ateş Böceği Algoritmasına dayanan sistem, %92 Doğruluk, %92 Duyarlılık, % 84.61 Özgüllük, % 95.91 Pozitif Kestirim Değeri, % 83.01 Negatif Kestirim Değeri, % 95.91 Hassaslık ve %93.91 F-ölçütü vermiştir. Yine ILPD seti için, önerilen Destek Vektör Makinası algoritmasına dayanan sistem %78.33 Doğruluk, %79,9 Duyarlılık, % 75 Özgüllük, % 87.16 Pozitif Kestirim Değeri, % 63.71 Negatif Kestirim Değeri, % 87.16 Hassaslık ve % 83.37 F-ölçütü vermiştir. BUPA seti için, önerilen Ateş Böceği Algoritmasına dayanan sistem % 92.80 Doğruluk, %96 Duyarlılık, % 90.66 Özgüllük, % 87.27 Pozitif Kestirim Değeri, % 97.14 Negatif Kestirim Değeri, % 87.27 Hassaslık ve % 91.42 F-ölçütü vermiştir. Yine ILPD seti için, önerilen Destek Vektör Makinası algoritmasına dayanan sistem % 76.80 Doğruluk, % 82 Duyarlılık, % 73.33 Özgüllük, % 67.21 Pozitif Kestirim Değeri, % 85.93 Negatif Kestirim Değeri, % 67.21 Hassaslık ve % 73.87 F-ölçütü vermiştir. Her iki veri seti için önerilen Ateş Böceği algoritmasına dayalı sistem, Destek Vektör Makinalarına dayalı sistemden daha başarılı tahminler yapmış olduğu açıkça anlaşılmıştır ve oluşturulan bu sistemlerin bu yapay zekâ algoritmalarına dayalı uzman sistem araştırmalarına katkı sağlaması umuluyor.

Nowadays, Expert System (ES)s are used widely in many areas to solve real world problems. Artificial Intelligence (AI) techniques are used to obtain timely and accurately decision about solution of daily problems in ESs designing because AI can mimic behaviours and thought system of people. Especially in medical area, there are many researches and applications using ESs based on various AI techniques to obtain diagnosis for any diseases.The liver is a vital internal organ for a human body and it has many functions, which are associated with the other organs. Although the liver can renew itself in the face of a damage and ¼ of liver can even be enough for liver functions, a major damage is an obstacle for continual of the liver functions. For this reason, early diagnosis is very important in liver disorders.In this study, it was intended to generate expert systems based on Firefly Algorithm (FA) and Support Vector Machine (SVM) techniques for the diagnosis of liver disorders by using C# programming language and `Indian Liver Patient Dataset (ILPD)` and `Liver Disorder Dataset (BUPA Dataset)`. For performance evaluations of the proposed systems Accuracy, Positive Predictive Value, Negative Predictive Value, Sensitivity, Specificity, Precision and F-Measure were used.For ILPD, the proposed system based on Firefly Algorithm (FA) gave 92% Accuracy, 92% Sensitivity, 84.61 % Specificity, 95.91 % Positive Predictive Value, 83.01 % Negative Predictive Value, 95.91 % Precision and 93.91 % F-Measure. The proposed system based on Support Vector Machine (SVM) gave 78.33% Accuracy, 79.9% Sensitivity, 75% Specificity, 87.16 % Positive Predictive Value, 63.71 % Negative Predictive Value, 87.16 % Precision and 83.37 % F-Measure.For BUPA Dataset, the proposed system based on Firefly Algorithm (FA) gave 92.8% Accuracy, 96% Sensitivity, 90.66 % Specificity, 87.27 % Positive Predictive Value, 97.14 % Negative Predictive Value, 87.27 % Precision and 91.42 % F-Measure. The proposed system based on Support Vector Machine (SVM) gave 76.8 % Accuracy, 82% Sensitivity, 73.33% Specificity, 67.21 % Positive Predictive Value, 85.93 % Negative Predictive Value, 67.21 % Precision and 73.87 % F-Measure.It was clearly observed that the proposed system based on FA gave more successful predictions than the proposed system based on SVM in both liver disorders datasets and it is hoped that the generated systems will make contribution to in researches of expert systems based on artificial intelligence.