@article { author = {khayamnia, monireh and Yazdchi, Mohamad reza and Heidari, Aghile and Frughi pur, Mohsen}, title = {Fuzzy expert system for medical diagnosis of common headaches}, journal = {medical journal of mashhad university of medical sciences}, volume = {59}, number = {5}, pages = {293-301}, year = {2016}, publisher = {}, issn = {1735-4013}, eissn = {2008-2673}, doi = {10.22038/mjms.2016.9299}, abstract = {Abstract Introduction: Headache is one of the most common medical complaints.The treatment types of headaches require the diagnosis of these types.The aim of this study was to distinguish and diagnose common  headaches by fuzzy logic and fuzzy system. Methods: A fuzzy expert system for the distinguish types of common headaches is presented, the Mamdani modeL was used in fuzzy inference engine using Max-Min as OR-AND operators and Centroid method was used as defuzzification technique. Results: The fuzzy system was evaluated using data obtained from 150 patients and showed 82% good agreement and high ability in terms of correct diagnosis. Accuracy, Precision, sensitivity, specificity of the system were 86%, 93%, 85%, 88% for migraine , 93%, 91%, 55%, 99% for tension, 97%, 86%, 66%, 99% for headaches resulting  from  infection and 95%, 85%, 88%, 97% for headaches resulting from increase of ICP, respectively.The Binomial and Chi-Square Test evaluated that between correct and incorrect diagnosis was meaningful difference and the proportion of correct diagnosis (82%) was more than the incorrect diagnosis (18%) (P<0/001).To measure agreement of system results with the physician diagnosis, Kappa statistics was employed and showed a high relation,71% ,65%,74% and 84% for migraine, tension, headaches resulting from infection and headaches resulting from increase of  ICP, respectively. Conclusion:According to proximity of common headaches symptoms, and importance of early diagnosis of headache, and favorable results of the implementation and evaluation of the suggested expert system, therefore this system can be very useful for diagnosis of common headaches with similar symptoms.}, keywords = {Diagnosis,Expert system,Fuzzy Logic,Headache,Primary headache,Secondary headache}, title_fa = {سیستم خبره فازی تشخیص سردردهای شایع دارای علائم تقریبا یکسان}, abstract_fa = {مقدمه سردرد یکی از شایع ترین شکایت‌ها در جامعه امروزی است. برای درمان انواع سردرد، اولین قدم تشخیص دادن نوع سردرد است. هدف از این پژوهش این است که با استفاده از منطق فازی و سیستم‌های فازی، به افتراق و تشخیص سردردهای شایع پرداخت. روش کار این مطالعه از نوع همبستگی می باشدو از سال 1393-1395 در مطب متخصص نورولوژی انجام شده است.با استفاده از منطق فازی، سیستم خبره ای برای تشخیص انواع سردرد ارائه شده که دراین سیستم از موتور استنتاج فازی ، مدل استنتاج ممدانی با مشخصه‌های max-min به عنوان عملگرهای AND- OR و روش مرکز جرم (Centroid) برای غیر‌فازی سازی، به‌کارگرفته ‌شده ‌است. نتایج با استفاده از اطلاعات۱۵۰ بیمار بررسی شد که سیستم تا ۸۲ % توانایی افتراق درست را دارد. صحت، دقت، حساسیت و ویژگی سیستم به ترتیب ۸۶، ۹۳، ۸۵ و ۸۸ % برای میگرن و ۹۳، ۹۱ ، ۵۵ و۹۹ % برای سردردهای تنشی و ۹۷، ۸۶، ۶۶ و ۹۹ % برای سردردهای ناشی از عفونت و ۹۵، ۸۵، ۸۸ و۹۷ % برای سردردهای ناشی از افزایش فشار داخل جمجه بود. با آزمون دوجمله‌ای ارزیابی شد که % تشخیص درست (۸۲%) بیش از تشخیص نادرست (۱۸ %) بوده‌است (۰۰۱/۰>P). ضریب کاپا توافق ۷۱/۰، ۶۵/۰، ۷۴/۰ و ۸۴/۰ بین تشخیص سیستم و تشخیص پزشک به ‌ترتیب برای میگرن، سردرد‌تنشنی، ‌سردرد‌ ناشی ‌از ‌عفونت‌ و سردرد ‌ناشی ‌از ‌افزایش ‌فشار ‌داخل ‌جمجمه ‌را نشان ‌داد. نتیجه گیری با توجه به نزدیک بودن علائم سردردهای شایع و اهمیت تشخیص به موقع و نیز نتایج مطلوب حاصل از به کارگیری و ارزیابی سیستم خبره پیشنهادی، این سیستم می‌تواند در تشخیص و افتراق سردردهای شایع بسیار مفید باشد. }, keywords_fa = {تشخیص,سردرد,سردرد اولیه,سردرد ثانویه,سیستم خبره,منطق فازی}, url = {https://mjms.mums.ac.ir/article_9299.html}, eprint = {https://mjms.mums.ac.ir/article_9299_2818ed35532d48b1893d23b520a1d7f3.pdf} }