تحلیل داده های بیماران دیابتی در راستای خوشه بندی و تجویز دارو براساس الگوریتم پیشنهادی

مقدمه: دیابت یک اختلال سوخت و سازی در بدن است که توانایی تولید هورمون انسولین در بدن از بین می رود . هدف کلی از انجام پژوهش حاضر کشف دانش نهفته در داده­­های بیماران دیابتی است، که می­تواند به پزشکان در خوشه­بندی بیماران جدید و تجویز داروی مناسب مطابق هر خوشه کمک نماید. روش کار: در این مقاله از الگوریتم MR-VDBSCAN استفاده شده است. پیاده­سازی این الگوریتم در بستر هدوپ مبتنی بر چارچوب نگاشت-کاهش می­باشد. ایده اصلی تحقیق استفاده از چگالی محلی برای یافتن چگالی هر نقطه است. این استراتژی می‎تواند مانع از اتصال خوشه‎ها ‎با چگالی­های متفاوت شود. نتایج: الگوریتم موردنظر بر روی دیتا ست انتخاب شده، تست و ارزیابی و نتایج نشان از دقت بالا و کارایی و مقیاس­پذیری آن دارد. نتایج بدست آمده با نتایج اجرای خوشه­بندی k-Means مقایسه شد، الگوریتم MR-VDBSCAN در مقایسه با آن از سرعت اجرای بالاتر و دقت تشخیص بهتری برخوردار هست و همچنین توانایی تشخیص خوشه­ها با چگالی متفاوت برتری این الگوریتم نسبت به الگوریتم­ مورد مقایسه است. نتایج نشان می­دهد که الگوریتم MR-VDBSCAN می‎تواند عملکرد بهتر را از سایر الگوریتم­ها  فراهم کند. نتیجه ­گیری: نتایج نشان می­دهد که که الگوریتم MR-VDBSCAN نسبت به الگوریتم K-means  خوشه-بندی بهتری را انجام می­دهد و می­تواند بیماران را در زیرگروه‎هایی قرار دهد که پزشکان را در تجویز یاری نماید. نتیجه پیش­بینی شده برای تشخیص اینکه کدوم گروه سنی و جنسیت بیشتر تحت تاثیر دیابت قرار دارند، استفاده می­شود.

Keywords:

خوشه بندی , هدوپ , مپ ردیوس , داده انبوه , دیابت , داده کاوی