بهبود تشخیص بیماری دیابت با استفاده از ترکیب شبکه های عصبی و الگوریتم ژنتیک

دیابت چهارمین علت مرگومیر در بیشتر کشورهای توسعه یافته است. بر اساس آمار فدراسیون جهانی دیابت در سال 2012بیش از 371 میلیون نفر از مردم جهان مبتلابه دیابت بوده که هرسال نیز به آن افزوده میشود به گونه ای که بیش از نیمی ازمبتلایان به دیابت از بیماری خود بیخبر هستند. داده کاوی راهی است برای تحلیل اتوماتیک داده ها و شناسایی الگوهای پنهانکه انجام این امر به صورت دستی ممکن نیست. داده کاوی میتواند در پیشبینی و تشخیص سریع و کم هزینه بیماری ها به طورموثری استفاده شود. یکی از مواردی که در تحقیقات جدید درزمینه تشخیص بیماری دیابت بسیار مورد اهمیت قرارگرفته است،کاهش ابعاد مجموعه داده با استفاده از انتخاب ویژگی های موثر از ویژگی های مجموعه داده است. ازجمله الگوریتم هایی که درپژوهش های کنونی برای انجام این مهم استفاده شده است، الگوریتم های تکاملی است. در این تحقیق برای انتخاب ویژگی هایموثر از مجموعه ویژگی های مجموعه داده، از الگوریتم ژنتیک استفاده میشود. همچنین برای دسته بندی مجموعه داده درراستای بررسی دقت تشخیص بیماری دیابت، از شبکه عصبی استفاده شده است. برای بررسی و تجزیه و تحلیل الگوریتمپیشنهادی، از یک مجموعه داده که از سایت UCI برداشت شده است، استفاده می شود. نتایج حاصل از پیاده سازی الگوریتم پیشنهادی بر روی مجموعه داده فوق، نشان از برتری این روش ازلحاظ مقایسه معیارهای کارایی ازجمله دقت و بازخوانی دارد.

Keywords:

بیماری دیابت , الگوریتم ژنتیک , شبکه عصبی , معیارهای کارایی , دقت , بازخوانی