Journal of Mazandaran University of Medical Sciences
مجله دانشگاه علوم پزشکی مازندران
J Mazandaran Univ Med Sci
Medical Sciences
http://jmums.mazums.ac.ir
1
admin
1735-9260
1735-9279
fa
jalali
1399
9
1
gregorian
2020
12
1
30
191
online
1
fulltext
fa
مدل پیش بینی ابتلا به دیابت نوع2 با استفاده از
الگوریتم های داده کاوی
Predicting Type2 Diabetes Using Data Mining Algorithms
مهندسی کامپیوتر(نرم افزار)
Computer Engineering(software)
پژوهشي-کامل
Research(Original)
<br>
<span style="letter-spacing:-.1pt;"><span style="color:black;"><span style="font-family:B Koodak;">سابقه</span></span></span><span style="letter-spacing:-.1pt;"><span style="color:black;"><span style="font-family:B Koodak;"> و هدف:</span></span></span><span style="font-family:B Zar;"> استفاده گسترده از سیستم</span><span style="layout-grid-mode:line;"><span style="font-family:B Zar;"></span></span><span style="font-family:B Zar;">های اطلاعات و پایگاه</span><span style="layout-grid-mode:line;"><span style="font-family:B Zar;"></span></span><span style="font-family:B Zar;">های داده، ادغام آن را با شیوه</span><span style="layout-grid-mode:line;"><span style="font-family:B Zar;"></span></span><span style="font-family:B Zar;">های سنتی برای دستیابی به دقت و سرعت بالاتر جهت تشخیص و پیشگیری بیماری و انتخاب روش</span><span style="layout-grid-mode:line;"><span style="font-family:B Zar;"></span></span><span style="font-family:B Zar;">های درمان و تصمیم</span><span style="layout-grid-mode:line;"><span style="font-family:B Zar;"></span></span><span style="font-family:B Zar;">گیری</span><span style="layout-grid-mode:line;"><span style="font-family:B Zar;"></span></span><span style="font-family:B Zar;">ها به یک الزام تبدیل کرده است. </span><span style="font-family:B Zar;">این مطالعه با هدف ارائه یک سیستم دقیق برای تشخیص بیماری دیابت با استفاده از تکنیک داده کاوی و به کارگیری یک روش ابتکاری شامل ترکیب شبکه عصبی با الگوریتم هوش دسته جمعی ذرات، انجام پذیرفت.</span><span style="letter-spacing:-.1pt;"><span style="color:black;"><span style="font-family:B Zar;"></span></span></span><br>
<span style="color:black;"><span style="font-family:B Koodak;">مواد و روش</span></span><span style="color:black;"><span style="font-family:B Zar;"></span></span><span style="color:black;"><span style="font-family:B Koodak;">ها:</span></span> <span style="font-family:B Zar;">در این مطالعه کاربردی، همراه با آموزش شبکه عصبی از الگوریتم هوش دسته جمعی ذرات جهت تعیین بهینه</span><span style="layout-grid-mode:line;"><span style="font-family:B Zar;"></span></span><span style="font-family:B Zar;">تر اوزان شبکه عصبی با استفاده از نرم</span><span style="layout-grid-mode:line;"><span style="font-family:B Zar;"></span></span><span style="font-family:B Zar;">افزار رپیدماینر بر روی مجموعه داده </span><span dir="LTR"><span style="font-size:10.0pt;">pima</span></span><span style="font-family:B Zar;"> مربوط به 768</span> <span style="font-family:B Zar;">بیمار درکشور هند استفاده گردید. <span style="color:black;"></span></span><br>
<span style="letter-spacing:-.2pt;"><span style="color:black;"><span style="font-family:B Koodak;">یافته</span></span></span><span style="letter-spacing:-.2pt;"><span style="color:black;"><span style="font-family:B Zar;"></span></span></span><span style="letter-spacing:-.2pt;"><span style="color:black;"><span style="font-family:B Koodak;">ها:</span></span></span> <span style="font-family:B Zar;">بررسی انجام شده نشان می دهد که الگوریتم پیشنهادی می تواند منطبق بر مدل واقعی باشد به طوری که بیش</span><span style="layout-grid-mode:line;"><span style="font-family:B Zar;"></span></span><span style="font-family:B Zar;">ترین مقدار دقت، ویژگی و حساسیت در روش پیشنهادی با تعداد 50 آزمایش مختلف، به ترتیب 1/94، 88/92، 12/92 درصد می باشد.</span><span style="color:black;"><span style="font-family:B Zar;"></span></span><br>
<span style="letter-spacing:-.2pt;"><span style="color:black;"><span style="font-family:B Koodak;">استنتاج:</span></span></span> <span style="font-family:B Zar;">در روش پیشنهادی مدل پیش بینی دیابت نوع 2، متوسط خطای مدلسازی به عنوان تابع هدف بعد از یکسری تکرار کمینه شد با افزایش جمعیت اولیه و تعداد تکرارها علاوه بر افزایش دقت روش پیشنهادی باعث بهبود پارامترهای حساسیت، ویژگی پیش</span><span style="layout-grid-mode:line;"><span style="font-family:B Zar;"></span></span><span style="font-family:B Zar;">بینی مثبت نیز شد به</span><span style="layout-grid-mode:line;"><span style="font-family:B Zar;"></span></span><span style="font-family:B Zar;">طوری که حساسیت،</span> <span style="font-family:B Zar;">دقت</span> <span style="font-family:B Zar;">روش پیشنهادی نسبت به روش</span><span style="layout-grid-mode:line;"><span style="font-family:B Zar;"></span></span><span style="font-family:B Zar;">های مشابه که در گذشته بکار رفته بود، بهتر و بیش</span><span style="layout-grid-mode:line;"><span style="font-family:B Zar;"></span></span><span style="font-family:B Zar;">تر می</span><span style="layout-grid-mode:line;"><span style="font-family:B Zar;"></span></span><span style="font-family:B Zar;">باشد.</span><span style="letter-spacing:-.2pt;"><span style="color:black;"><span style="font-family:B Zar;"></span></span></span>
<strong>Background and purpose:</strong> Today, information systems and databases are widely used and in order to achieve higher accuracy and speed in making diagnosis, preventing the diseases, and choosing treatments they should be merged with traditional methods. This study aimed at presenting an accurate system for diagnosis of diabetes using data mining and a heuristic method combining neural network and particle swarm intelligence.<br>
<strong>Materials and methods:</strong> In this applied research, along with the training of the neural network, a particle swarm optimization algorithm was used to determine the weight of the optimal neural networks using RapidMiner Software on pima Indian Diabetes Dataset for 768 patients.<br>
<strong>Results:</strong> The proposed algorithm was found to be in line with the real model. The highest accuracy, specificity, and sensitivity of the method, with 50 different tests, were 94.1%, 92.88%, and 92.12%, respectively.<br>
<strong>Conclusion:</strong> In this study, average modeling error as a target function was minimized after a series of repetitions. By increase in initial population and number of replications, in addition to improving the accuracy of the proposed method, the sensitivity parameters and the positive predictive value ere improved. In fact, sensitivity and accuracy of the proposed method is better and higher than previous similar methods.<br>
<pre>
</pre>
داده کاوی, دیابت, شبکه عصبی, هوش دسته جمعی ذرات
data mining, diabetes, neural network, particle swarm optimization
22
30
http://jmums.mazums.ac.ir/browse.php?a_code=A-10-2357-3&slc_lang=fa&sid=1
Amir
Panah
امیر
پناه
amir.panah2020@gmail.com
1003194753284600126135
1003194753284600126135
No
MSc in Computer and Information Science, Mazandaran University of Medical Sciences, Sari, Iran
مربی، گروه کامپیوتر و آی تی، موسسه آموزش عالی هدف، ساری، ایران
Samere
Fallahpour
سامره
فلاحپور
samere.fallahpour@gmail.com
1003194753284600126134
1003194753284600126134
Yes
Lecturer, Department of Computer and Information Technology, Hadaf Institution of Higher Education, Sari, Iran
کارشناسی ارشد مهندسی نرم افزار، دانشگاه علوم پزشکی مازندران، ساری، ایران