>
Fa   |   Ar   |   En
   پیش‌بینی دیابت با بهینه‌سازی الگوریتم نزدیک‌ترین همسایه توسط الگوریتم ژنتیک  
   
نویسنده مومنی محمد ,لطیف علی محمد ,آقا صرام مهدی ,حاج میرزاده کاظم ,غراوی ثریا ,نقیب القرا محمد
منبع انفورماتيك سلامت و زيست پزشكي - 1398 - دوره : 6 - شماره : 1 - صفحه:12 -23
چکیده    مقدمه: دیابت یا بیماری قند یک اختلال متابولیک سوخت‌‌و‌سازی در بدن است که توانایی تولید انسولین در بدن از بین می‌رود و انسولین تولیدی نمی‌تواند عملکرد طبیعی خود را انجام دهد. وجود علائم و ویژگی های مختلف این بیماری، تشخیص را برای پزشکان دشوار می کند. داده کاوی امکان تحلیل داده های بالینی بیماران برای تصمیم گیری های پزشکی را فراهم می کند. هدف این پژوهش، ارائه یک مدل برای افزایش دقت پیش بینی دیابت است.روش: در این مطالعه، پرونده پزشکی 1151 بیمار مبتلا به دیابت با تعداد 19 ویژگی مورد ‌بررسی قرار گرفت. اطلاعات بیماران از پایگاه داده استاندارد uci جمع آوری شد. هر یک از بیماران حداقل به مدت یک سال تحت پیگیری بودند. به‌منظور ارائه مدل پیش بینی دیابت از الگوریتم ژنتیک و نزدیک ترین همسایه استفاده شد.نتایج: نتایج نشان داد که دقت پیش بینی مدل پیشنهادی برابر با 76.0 بود. همچنین برایروش های نایو بیز، شبکه عصبی پرسپترون چند لایه و ماشین بردار پشتیبان دقت پیش بینی به ترتیب برابر با 62.0، 65.0 و 75.0 به دست آمد.نتیجه گیری: در پیش بینی دیابت،مدل پیشنهادی نسبت به سایر مدل های مورد‌مقایسه، دارای حداقل میزان خطا و بیش ترین دقت و صحت است. روش نایو بیز، حداکثر میزان خطا و کم ترین دقت را دارا می باشد.
کلیدواژه پیش بینی دیابت‌، الگوریتم ژنتیک، الگوریتم نزدیک ترین همسایه، داده کاوی
آدرس دانشگاه یزد, دانشکده مهندسی برق و کامپیوتر, گروه کامپیوتر, ایران, دانشگاه یزد, دانشکده مهندسی برق و کامپیوتر, گروه کامپیوتر, ایران, دانشگاه یزد, دانشکده مهندسی برق و کامپیوتر, گروه مهندسی کامپیوتر, ایران, دانشگاه آزاد اسلامی واحد یزد, دانشکده پزشکی, ایران, مجتمع آموزش عالی اسفراین, دانشکده مهندسی کامپیوتر و برق, گروه کامپیوتر, ایران, دانشگاه آزاد اسلامی واحد یزد, دانشکده پزشکی, ایران
 
   Diabetes Prediction by Optimizing the Nearest Neighbor Algorithm Using Genetic Algorithm  
   
Authors غراوی ثریا ,لطیف علی محمد ,حاج میرزاده کاظم
Abstract    Introduction: Diabetes or diabetes mellitus is a metabolic disorder in body when the body does not produce insulin, and produced insulin cannot function normally. The presence of various signs and symptoms of this disease makes it difficult for doctors to diagnose. Data mining allows analysis of patients rsquo; clinical data for medical decision making. The aim of this study was to provide a model for increasing the accuracy of diabetes prediction.Method: In this study, the medical records of 1151 patients with diabetes were studied, with 19 features. Patients rsquo; information were collected from the UCI standard database. Each patient has been followed for at least one year. Genetic Algorithm (GA) and the nearest neighbor algorithm were used to provide diabetes prediction model.Results: It was revealed that the prediction accuracy of the proposed model equals 0.76. Also, for the methods of Na iuml;ve Bayes, Multilayer perceptron (MLP) neural network, and support vector machine (SVM), the prediction accuracy was 0.62, 0.65, and 0.75, respectively.Conclusion: In predicting diabetes, the proposed model has the lowest error rate and the highest accuracy compared to the other models. Na iuml;ve Bayes method has the highest error rate and the lowest accuracy.
Keywords Prediction of diabetes ,Genetic algorithm ,Nearest neighbor algorithm ,Data mining
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved