ماشااله عباسی دزفولی - دکترا، گروه مهندسی کامپیوتر، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران
عاطفه محمدی - کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران
مجید پورافشار - کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران
اصغر گرگین - کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران

امروزه در دنیای مدرن صنعتی خطر ابتلا به بیماریهای مزمن به طرز چشمگیری افزایش یافته است. در این میان، بیماریدیابت بعنوان چهارمین علت مرگ و میر در بیشتر کشورهای توسعه یافته مورد توجه بوده و به یکی از مهمترین دغدغه هایمردم و مسیولین تبدیل شده است. متاسفانه مبتلایان به بیماری دیابت در معرضخطر ابتلا به بیماریهای خطرناکی همچونبیماریهای قلبی و عروقی، چشمی، کلیوی، قطع اندام و غیره میباشند. بنابراین پیادهسازی روشی که بتواند پزشکان رادر تشخیص صحیح ابتلا یا عدم ابتلا به این بیماری یاری برساند میتواند گام مهمی در جهت پیشگیری و کنترل اینبیماری به خصوص در مراحل ابتدایی آن باشد. در این راستا تحقیقات متنوعی ارایه شده است که یکی از این راهکارهااستفاده از الگوریتم های هوش مصنوعی و روشهای طبقه بندی میباشد. به همین منظور در این مقاله سعی کردیم روشی بااستفاده از شبکه عصبی مصنوعی چندلایه و الگوریتم زنبور عسل جهت تشخیص وجود و یا عدم وجود بیماری دیابت درافراد ارایه دهیم. نتایج پیادهسازی روش پیشنهادی با استفاده از مجموعه داده های موجود در سایت UCI نشان دهنده دقت 91/04 درصد در تشخیص می باشد. در نتیجه پیاده سازی این روش نشان از بهبود دقت در تشخیص بیماری دیابت، نسبت به روشهای پیشین دارد.

تشخیص، دیابت، الگوریتم زنبور عسل، شبکه عصبی مصنوعی