میثم روشن فکر - دانشکده مهندسی برق، کامپیوتر و مهندسی پزشکی، دانشگاه شهاب دانش، قم، ایران
گلنوش عبائی - دانشکده مهندسی برق، کامپیوتر و مهندسی پزشکی، دانشگاه شهاب دانش، قم، ایران
حسین ابراهیم پورکومله - دانشکده مهندسی برق وکامپیوتر، دانشگاه کاشان، کاشان، ایران

دیابت، شایع ترین بیماری غدد در جهان است که سالانه باعث مرگ ۴میلیون نفر در جهان می شود. برای تشخیص دیابت بایدتمامویژگی هایی که منجر به وقوع آن می شوند را شناخت و درصورتیکه این ویژگی ها هرکدام از محدوده مقداری معین (درعلم پزشکی)تجاوز کنند مشخص می شود که فرد مبتلا به دیابت است. در این پژوهش با استفاده از ترکیب علوم داده کاوی، سیستم خبره و فازینوعدوم، ابزاری برای کمک به پزشک در تشخیص بیماری دیابت ارائه شده است. با یک دید کلی، دو مولفه اصلی در سیستم تشخیصدیابت بهبود داده شده است: مولفه اول، دقت، کارایی و قابلیت اعتماد بالا در تشخیص بیماری میباشد که بدین منظور از رویکرد فازینوع دوم برای تنظیم و فازیسازی ورودیها استفاده شده است و مولفه دوم، کاهش حجم قواعد موجود در پایگاهدانش و قابلیت تفسیرساده آن است که بدین منظور از کاوش قواعد انجمنی که یکی از تکنیک های داده کاوی می باشد استفاده شده است. به طور دقیق تر، درروش پیشنهادی، بعضی از معایب سیستم های ارائه شده قبلی بهبود داده شده که عبارتند از: بهبود تاثیرمنفی عدم قطعیت در مرزهایتوابع عضویت فازی نوع اول، درنظرگرفتن داده های ورودی نویزی و اغتشاشات، جایگزینکردن یک سیستم خبره هوشمند باتصمیم گیری واحد در تشخیص بیماری به جای سیستم هایی که توسط کارشناسان مختلف به دلیل تفاوت در نژاد و وضعیت بدنی افرادمختلف ساکن در قاره های مختلف، نتایج متفاوتی را ارائه می دهند، بهبود دادن حجم پایگاه دانش با انتخاب قواعد موثرتر در تولیدخروجی، افزایش سرعت سیستم با کاهش دادن زمان محاسباتی و نیز بهبود دادن محدوده نقاط پارتیشن بندی در محل برخوردمرزهای دو تابععضویت. برای تست عملکرد مطلوب روش پیشنهادی، از مجموعه داده بیماران دیابتی سایت UCI که شامل ۷۴۸ بیمار است استفاده شده است و با دست یافتن به میزان دقت ۹۴.۸۸ درصد، اثبات کردیم که توانسته ایم به اهداف خود برای بهبود دقت درسیستم تشخیص دیابت برسیم.

سیستم خبره، فازی نوع دوم، کاوش قواعد انجمنی، تشخیص بیماری، دیاب