بیماری‌های کبدی سبب آسیب به عملکرد طبیعی کبد می شوند، تشخیص زود هنگام می‌تواند در پیشگیری، کنترل و درمان موثر باشد. در این مقاله یک مدل نوین برمبنای بهینه سازی مدل جنگل تصادفی با الگوریتم خرچنگ برای تشخیص بیماری کبد پیشنهاد شده است. برای ارزیابی از مجموعه داده بیماران کبدی با 416 مبتلا ، 167 نفر سالم و 10 ویژگی برای هر بیمار استفاده شده است. نتایج نشان می‌دهد که عملکرد روش پیشنهادی در مقایسه با پنج مدل یادگیری ماشین از نظر معیارهای صحت، دقت، فراخوانی و معیار F1 دقیق‌تر بوده و به ترتیب برابر 7356/0، 7341/0، 0000/1 و 8467/0 بدست آمده که در تشخیص و طبقه‌بندی افراد سالم و مبتلا نقشی موثر داشته و برای بالا بردن میزان تشخیص، به حداقل رساندن درصد خطا و کاهش هزینه‌ها و زمان به عنوان یک ابزار کمکی قابل استفاده است. در آینده با داده های بیشتر و بهبود مدل ها می توان دقت و اطمینان را افزایش داد و گام مهمی در جهت پزشکی هوشمند داشت.

بیماری کبد هوش مصنوعی جنگل تصادفی الگوریتم بهینه‌سازی خرچنگ