ارایهی یک مدل مبتنی بر افزایش دقت در تشخیص بیماری دیابت شیرین با استفاده از تکنیک های یادگیری ماشین

با توسعه ی فن آوری های جدید در پزشکی، کاربردهای داده کاوی در انفورماتیک پزشکی جهت بهبود تصمیم گیری از جمله مشکلات تشخیص و پیش بینی در بیماریها در حال افزایش است. یکی از بیماری های پرخطر و فراگیر دیابت شیرین است. چالش استفاده ها از داده کاوی برای پزشکان پیچیدگی و ارایه ی دانش است که برای رفع این چالش ها سیستم های متنوع ایجاد شدند. در این پژوهش ما قصد داریم عملیات طبقه بندی را با نمونه های موجود در دیتاست دیابت سرخ پوستان پیما انجام دهیم و مدل پیشنهادی نشان میدهد که مدل ترکیبی با اینکه قابلیت بالایی در دقت تشخیص دارد اما نیاز است تا ویژگی های مناسب برای هر طبقه بویژه طبقهی دیابتی موجود باشد تا عملیات طبقه بندی با دقت و حساسیت بالایی انجام گیرد. رویکرد مدل پیشنهادی در عملیات طبقه بندی از درخت تصمیم بهینه شده به عنوان الگوریتم اصلی و کسب رای اکثریت از بین الگوریتم درخت تصمیم و پرسپترون چند لایه به عنوان الگوریتم جایگزین بهره میبرد تا بهترین آموزش پذیری از مجموعه داده انجام گیرد. نتایج تجربی، کیفیت مدل ارایه شده و تعمیم پذیری مدل را نشان می دهد. مدل پیشنهادی با استفاده از الگوریتم های ژنتیک و بهینه شدهی درخت تصمیم توانست به دقت تشخیص 99/87 برای مجموعه دادگان پیما دست یابد.

Keywords:

دیابت شیرین , درخت تصمیم , طبقه بندی با رای اکثریت , کاهش ابعاد