امیر امیری - دانشجوی کارشناسی ارشد، نرم افزار، دانشگاه آزاد اسلامی ملایر، ایران
وحید رافع - استادیار ، عضو هیات علمی دانشگاه آزاد اسلامی واحد ملایر
حیدر جعفرزاده - دانشجوی کارشناسی ارشد، نرم افزار، دانشگاه علوم و تحقیقات ایلام، ایران

در این تحقیق روش جدیدی برای تشخیص بیماری دیابت ارائه شده است. یکی از مشکلات اساسی مربوط به این بیماری عدم تشخیص، بموقع و صحیح آن می باشد. امروزه پزشکان بیش از هر چیز با تکیه بر تجربیات و دانسته های خود، آزمایشات پیچیده و وقت گیر به این بیماری پی می برند. با این وجود خطاهای انسانی اجتناب ناپذیر است؛ در این تحقیق سعی شده تا با استفاده از ترکیب روش های هوشمند مصنوعی ازقبیل الگوریتم ژنتیک برای کاهش ویژگی از 8 به 4، سیستم های Decission Tree بمنظور انتخاب بهترین حالات برای حل مساله و شبکه های مصنوعی عصبی (Neural Network) به منظور برآورد، آموزش، انطباق پذیری، یادگیری ماشینی؛ در جهت شناسایی و تشخیص این بیماری استفاده شده است. سیستم پیشنهادی با استفاده از ترکیب روشهای مذکور موفق شد با تکیه بر ویژگیهای پایگاه داده در قالب ترکیب و تعامل به دقت شناسایی بالایی دست یابد که در مقایسه با روش های رایج از یکطرف و روش های مصنوعی ازطرف دیگر در مراجع مذکور در نوع خود مناسب میباشد. روش های حاضر علی رغم دقت بالا، هزینه بر و وقت گیر می باشند؛ که با مقایسه این روش با روش های مذکور به دقت و کارایی آن پی خواهیم برد.مطالعه حاضر به جهت مقایسه روشهای قدیمی تر و این مدل فرا ابتکاری شامل ترکیب الگوریتم ژنتیک و شبکه عصبی مصنوعی و درخت تصمیم در تشخیص بیماری دیابت مبتنی بر قوانین و ویژگی های ترکیب مزکور است.

داده کاوی، تشخیص بیماری، دیابت، الگوریتم ژنتیک، درخت تصمیم، شبکه های مصنوعی عصبی