دوره 6، شماره 1 - ( بهار 1398 )
جلد 6 شماره 1 صفحات 23-12 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Momeny M, Latif A M, Agha Sarram M, Hajmirzazade K, Gharravi S, Seyed Mahammad N. Diabetes Prediction by Optimizing the Nearest Neighbor Algorithm Using Genetic Algorithm. jhbmi 2019; 6 (1) :12-23
URL: http://jhbmi.ir/article-1-311-fa.html
URL: http://jhbmi.ir/article-1-311-fa.html
مومنی محمد، لطیف علی محمد، آقا صرام مهدی، حاج میرزاده کاظم، غراوی ثریا، نقیب القرا سید محمد. پیشبینی دیابت با بهینه‌سازی الگوریتم نزدیکترین همسایه توسط الگوریتم ژنتیک. مجله انفورماتیک سلامت و زیست پزشکی. 1398; 6 (1) :12-23
دانشجوی دکتری، گروه کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد، یزد، ایران
چکیده: (6955 مشاهده)
مقدمه: دیابت یا بیماری قند یک اختلال متابولیک سوخت‌‌و‌سازی در بدن است که توانایی تولید انسولین در بدن از بین می‌رود و انسولین تولیدی نمی‌تواند عملکرد طبیعی خود را انجام دهد. وجود علائم و ویژگی های مختلف این بیماری، تشخیص را برای پزشکان دشوار میکند. داده کاوی امکان تحلیل داده های بالینی بیماران برای تصمیم گیری های پزشکی را فراهم میکند. هدف این پژوهش، ارائه یک مدل برای افزایش دقت پیش بینی دیابت است.
روش: در این مطالعه، پرونده پزشکی 1151 بیمار مبتلا به دیابت با تعداد 19 ویژگی مورد بررسی قرار گرفت. اطلاعات بیماران از پایگاه داده استاندارد UCI جمع آوری شد. هر یک از بیماران حداقل به مدت یک سال تحت پیگیری بودند. به‌منظور ارائه مدل پیش بینی دیابت از الگوریتم ژنتیک و نزدیکترین همسایه استفاده شد.
نتایج: نتایج نشان داد که دقت پیش بینی مدل پیشنهادی برابر با 0/76 بود. همچنین برایروش های نایو بیز، شبکه عصبی پرسپترون چند لایه و ماشین بردار پشتیبان دقت پیشبینی به ترتیب برابر با 0/62، 0/65 و 0/75 به دست آمد.
نتیجه گیری: در پیش بینی دیابت،مدل پیشنهادی نسبت به سایر مدل های مورد‌مقایسه، دارای حداقل میزان خطا و بیشترین دقت و صحت است. روش نایو بیز، حداکثر میزان خطا و کمترین دقت را دارا می باشد.
روش: در این مطالعه، پرونده پزشکی 1151 بیمار مبتلا به دیابت با تعداد 19 ویژگی مورد بررسی قرار گرفت. اطلاعات بیماران از پایگاه داده استاندارد UCI جمع آوری شد. هر یک از بیماران حداقل به مدت یک سال تحت پیگیری بودند. به‌منظور ارائه مدل پیش بینی دیابت از الگوریتم ژنتیک و نزدیکترین همسایه استفاده شد.
نتایج: نتایج نشان داد که دقت پیش بینی مدل پیشنهادی برابر با 0/76 بود. همچنین برایروش های نایو بیز، شبکه عصبی پرسپترون چند لایه و ماشین بردار پشتیبان دقت پیشبینی به ترتیب برابر با 0/62، 0/65 و 0/75 به دست آمد.
نتیجه گیری: در پیش بینی دیابت،مدل پیشنهادی نسبت به سایر مدل های مورد‌مقایسه، دارای حداقل میزان خطا و بیشترین دقت و صحت است. روش نایو بیز، حداکثر میزان خطا و کمترین دقت را دارا می باشد.
واژه‌های کلیدی: پیش بینی دیابت، الگوریتم ژنتیک، الگوریتم نزدیک ترین همسایه، داده کاوی
eprint link: http://eprints.kmu.ac.ir/id/eprint/31282
eprint link: http://eprints.kmu.ac.ir/id/eprint/31282
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
