پیش بینی دیابت بارداری با استفاده از یک الگوریتم هوشمند مبتنی بر شبکه عصبی

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