بهبود روند تشخیص بیماری دیابت در سلامت هوشمند با استفاده از رویکرد یادگیری گروهی مبتنی بر الگوریتم ژنتیک بر روی زیرساخت اینترنت اشیا

بیماری مزمن دیابت یکی از عوامل اصلی مرگ و میر در سراسر جهان محسوب می شود که از علل اصلی این بیماری می توان به وجود مقدار زیادی از متابولیت ها مانند گلوکز اشاره کرد که در سال 2014 حدود 378 میلیون نفر دیابتی در سراسر جهان وجود داشت کهبارمالی این بیماری به میزان 13.700 دلار در سال محاسبه شده است. طبق گزارش سازمان بهداشت جهانی، این میزان تا سوال 2030 بیس از دو برابر خواهد شد. بنابراین اگر بتوان دیابت را بر اساس برخی از متغیرها پیس بینی کرد، این هزینه به طور چشمگیری کاهس خواهد یافت که استفاده از روشهای یادگیری ماشین و تکنیک های انتخاب ویژگی به تشخیص زودهنگام دیابت کمک کرده و باعث جلوگیری از پیشرفت این بیماری و کاهش بسیاری از عوارض آن می شود. در این مقاله از الگوریتم های یادگیری گروهی با تلفیقی از انتخاب ویژگی هیبرید به منظور تشخیص و پیش بینی دقیق تر بیماری دیابت استفاده می شود که برای این منظور از داده های آموزشی مربوط به داده های واقعی مربوط به بیماران دیابت هندی منتشرشده در سایت دانشگاه کالیفرنیا استفاده شده که نتایج حاصل نشان می دهد روش پیشنهادی از عملکرد بالاتری نسبت به روش های پایه برخوردار بوده و به دقت 93 درصد رسیده است.

Keywords:

سلامت هوشمند , یادگیری ماشین , اینترنت اشیا , یادگیری گروهی , انتخاب ویژگی هیبرید