پیش بینی دیابت بارداری با استفاده از یک الگوریتم هوشمند مبتنی بر شبکه عصبی
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 318
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JMIS-8-2_003
تاریخ نمایه سازی: 7 آبان 1401
Abstract:
هدف به دلیل وجود حجم عظیمی از داده ها در مورد افراد مبتلا به بیماری دیابت، امکان استخراج عوامل پیش بینی بیماری دیابت توسط متخصصین با استفاده از استخراج دانش از این حجم عظیم داده، امکان پذیر نخواهد بود. علم داده کاوی به کمک روش های موثر خود با هدف کشف پیش بینی بیماری ها به این مهم دست یافته و سبب کمک به پزشکان و کادر درمان در پیش بینی و تشخیص بیماری ها شده است.
روش ها پژوهش حاضر از نوع کاربردی پیمایشی در سال ۱۳۹۹ انجام شده است. در این پژوهش، از مجموعه داده میرشریف و همکاران استفاده شده است. در اینجا از روش مجموعه داده های اولیه برای جمع آوری داده ها استفاده شده و جامعه آماری مورد نظر شامل ۱۰۵ مورد اطلاعات ثبت شده بیماران از سال ۱۳۹۰ تا ۱۳۹۳ در تحقیقی میدانی از کلینیک پزشکی تخصصی زنان در تهران است که از این میان، ۸۰ نفر انسان سالم و ۲۵ نفر انسان مبتلا به بیماری دیابت بارداری بودند. از نرم افزار متلب جهت تجزیه و تحلیل و بررسی نتایج استفاده شده است.
یافته ها نتایج و مقایسه های انجام گرفته در این پژوهش، نشان از کارایی بالای روش پیشنهادی در پیش بینی بیماران دیابت بارداری دارد. همچنین دقت روش پیشنهادی برابر ۹۳ درصد حاصل شد که در مقایسه با روش میرشریف و همکاران بر روی همین مجموعه داده از دقت بیشتری برخوردار بود.
نتیجه گیری به دلیل اینکه سیستم پیشنهادی عملکرد مطلوبی داشته و ازلحاظ دقت در مجموعه داده مورد نظر نسبت به روش های قبلی به عدد ۹۳/۲ درصد رسیده است. پس می توان از رویکرد هوشمند و بدون نظارت، جهت تشخیص بیماری دیابت بارداری استفاده کرد.
Keywords:
Gestational diabetes , Genetic algorithm , Artificial neural network , پیش بینی دیابت بارداری , الگوریتم هوشمند , شبکه عصبی مصنوعی
Authors
محمدجواد حسین پور
Department of Computer Engineering, Estahban Branch, Islamic Azad University, Estahban, Iran.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :