fa تشخیص بیماری کووید-19 بوسیله سیستم خبره فازی طراحی شده بر اساس ورودی-خروجی کووید 19 COVID-19 پژوهشي Research paper <div style="text-align: justify;">پیش‌بینی و تشخیص دقیق بیماری‌ کووید-19 برای همه و به ویژه برای متخصصان پزشکی کاری بسیار با اهمیت است. از طرف دیگر استفاده از سیستمهای فازی در حوزه پزشکی با سرعت در حال افزایش است. در این پژوهش با استفاده از اطلاعات 375 بیمار مشکوک به بیماری کووید-19 که به مراکز درمانی بیمارستان‌های امام خمینی(ره) تهران، البرز و کوثر کرج مراجعه کرده‌اند سیستم فازی طراحی شد. برای این منظور تعداد 300 نفر جهت استخراج قوانین و 75 نفر به عنوان داده‌های تست در نظر گرفته شدند. اطلاعات 12 پارامتر مهم بیماری کووید- 19 اعم از تب، سرفه‌،‌ سردرد، ‌علائم گوارشی، ‌بثورات پوستی،‌ حس بویایی و چشایی‌، ‌بیماری زمینه‌ای، قفسه سینه، سطح اکسیژن خون، ‌بی‌حالی، سن، سابقه خانوادگی وهمچنین شدت بیماری کووید-19 دریافت گردید. سیستم خبره فازی پس از بررسی قوانین و حذف قوانین مشابه ومتناقض با بهره گیری از محاسبه درجه آنها، با 29 قانون طراحی گردید در این سیستم با ادغام برخی عوامل در نهایت 8 متغیر ورودی و یک متغیر خروجی در نظر گرفته شدکه با موتور استنتاج حاصلضرب،‌ فازی ساز منفرد و غیر فازی ساز میانگین مراکز مورد استفاده قرار گرفت. ملاحظه شد که سیستم طراحی شده نتایج بسیار خوبی را ارائه می‌دهد، به طوریکه با دقت بالای 93 درصد بیماری کووید-19 را شناسایی می‌کند و همچنین حساسیت سیستم ببش از 95 درصد و ویژگی سیستم طراحی شده بیش از 87 درصد می‌باشد.</div> <div style="text-align: justify;">Accurate prediction and diagnosis of COVID-19 disease is very important for everyone, especially for medical professionals. On the other hand, the use of fuzzy systems in medicine is increasing rapidly. In this study, a fuzzy system was designed using the information of 375 patients suspected of having COVID-19 disease who referred to Imam Khomeini (Tehran), Alborz (Karaj) and Kowsar(Karaj) hospitals. For this purpose, 300 people were considered to extract the rules and 75 people were considered as test data. Information on 12 important parameters of COVID-19 disease including fever, cough, headache, gastrointestinal symptoms, skin rash, sense of smell and taste, underlying disease, chest CT, blood oxygen level, lethargy, age, family history and severity of COVID-19 disease received. The fuzzy expert system was designed with 29 rules after reviewing the rules and removing similar and contradictory rules by using their degree calculation. In this system, by integrating some factors, finally 8 input variables and one output variable were considered that was used by product inference engine, singleton fuzzifier and center average defuzzifier. It was observed that the designed fuzzy expert system provides very good results, so that it detects 93% of Covid-19 disease with high accuracy and also the sensitivity of the system is more than 95% and the specificity of the designed system is more than 87%.<span dir="RTL"></span><span dir="RTL"></span></div> کووید- 19, خبره فازی, ورودی- خروجی, تشخیص COVID-19, fuzzy expert, input-output, diagnose. 71 78 http://joc.kntu.ac.ir/browse.php?a_code=A-10-1303-1&slc_lang=fa&sid=1 mohammad dehghandar محمد دهقاندار m_dehghandar@pnu.ac.ir 10031947532846007884 10031947532846007884 Yes Payame Noor University, Karaj, Iran دانشگاه پیام نور مرضیه پابسته M.pabasteh@yahoo.com 10031947532846007885 10031947532846007885 No Payame Noor University, Karaj, Iran دانشگاه پیام نور راضیه حیدری Emailtorazieh@gmail.com 10031947532846007886 10031947532846007886 No Payame Noor University, Karaj, Iran دانشگاه پیام نور