Journal of Health and Biomedical Informatics

fa پیش‌بینی دیابت با بهینه‌سازی الگوریتم نزدیک‌ترین همسایه توسط الگوریتم ژنتیک Diabetes Prediction by Optimizing the Nearest Neighbor Algorithm Using Genetic Algorithm هوش مصنوعی در حوزه سلامت Artificial Intelligence in Healthcare پژوهشي اصیل Original Article <div style="text-align: justify;">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.</div> <div style="text-align: justify;">Introduction: Diabetes or diabetes mellitus is a metabolic disorder in body when the body does not produce insulin, and produced insulin cannot function normally. The presence of various signs and symptoms of this disease makes it difficult for doctors to diagnose. Data mining allows analysis of patients’ clinical data for medical decision making. The aim of this study was to provide a model for increasing the accuracy of diabetes prediction. Method: In this study, the medical records of 1151 patients with diabetes were studied, with 19 features. Patients’ information were collected from the UCI standard database. Each patient has been followed for at least one year. Genetic Algorithm (GA) and the nearest neighbor algorithm were used to provide diabetes prediction model. Results: It was revealed that the prediction accuracy of the proposed model equals 0.76. Also, for the methods of Naïve Bayes, Multi-layer perceptron (MLP) neural network, and support vector machine (SVM), the prediction accuracy was 0.62, 0.65, and 0.75, respectively. Conclusion: In predicting diabetes, the proposed model has the lowest error rate and the highest accuracy compared to the other models. Naïve Bayes method has the highest error rate and the lowest accuracy.</div> پیش بینی دیابت‌, الگوریتم ژنتیک, الگوریتم نزدیک ترین همسایه, داده کاوی Prediction of diabetes, Genetic algorithm, Nearest neighbor algorithm, Data mining 12 23 http://jhbmi.ir/browse.php?a_code=A-10-425-3&slc_lang=fa&sid=1 Mohammad Momeny محمد مومنی mohamad.momeny@stu.yazd.ac.ir 10031947532846004783 10031947532846004783 Yes Ph.D. Student, Electrical and Computer Engineering Dept., School of Electrical and Computer Engineering, Yazd University, Yazd, Iran دانشجوی دکتری، گروه کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد، یزد، ایران Ali Mohammad Latif علی محمد لطیف alatif@yazd.ac.ir 10031947532846004784 10031947532846004784 No Assistant Professor, Electrical and Computer Engineering Dept., Yazd University, Yazd, Iran دانشیار، گروه کامپیوتر، دانشکده مهندسی برق و کامپیوتر، هوش مصنوعی، دانشگاه یزد، یزد، ایران Mehdi Agha Sarram مهدی آقا صرام A. Sarram@ssu.ac.ir 10031947532846004785 10031947532846004785 No Associate Professor of Computer Sciences, Electrical and Computer Engineering Dept., Yazd University, Yazd, Iran دکتری علوم کامپیوتر، دانشیار، گروه مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد، یزد، ایران Kazem Hajmirzazade کاظم حاج میرزاده hajmirzazade@gmail.com 10031947532846004786 10031947532846004786 No Assistant Professor of Diseases and Diseases, Faculty of Medicine, Islamic Azad University, Yazd. Iran متخصص بیماری‌های داخلی و دانشیار، دانشکده پزشکی، دانشگاه آزاد اسلامی، واحد یزد، یزد، ایران Sorayya Gharravi ثریا غراوی gharavi20@gmail.com 10031947532846004787 10031947532846004787 No M.Sc. in Computer engineering (Software), Lecturer, Electrical and Computer Engineering Department, Computer Dept., Integrated Higher Education of Esfarayen, North Khorasan, Esfarayen, Iran کارشناسی ارشد مهندسی کامپیوتر نرم افزار، مربی، گروه کامپیوتر، دانشکده مهندسی کامپیوتر و برق، نرم‌افزار، مجتمع آموزش عالی اسفراین، خراسان شمالی، اسفراین، ایران NaghiboAlghara Seyed Mahammad سید محمد نقیب القرا naghibghara@gmail.com 10031947532846004788 10031947532846004788 No General Medicine, Faculty of Medicine, Islamic Azad University, Yazd, Iran پزشک عمومی، دانشکده پزشکی، دانشگاه آزاد اسلامی، واحد یزد، یزد، ایران