دوره 7، شماره 1 - ( 3-1398 )
جلد 7 شماره 1 صفحات 1-14 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
I A, A A, H G, I Z. Diagnosis of diabetes by using a data mining method based on native data. jmsthums 2019; 7 (1) :14-1
URL: http://jms.thums.ac.ir/article-1-546-fa.html
URL: http://jms.thums.ac.ir/article-1-546-fa.html
عابدیان ایمان، ایوبی علی، غفاری حمیدرضا، ذباح ایمان. تشخیص بیماری دیابت با استفاده از روش‌های مبتنی بر داده‌کاوی با تکیه بر داده های بومی . مجله دانشگاه علوم پزشکی تربت حیدریه. 1398; 7 (1) :14-1
ایمان عابدیان1 
، علی ایوبی1 ، حمیدرضا غفاری1 ، ایمان ذباح 2
، علی ایوبی1 ، حمیدرضا غفاری1 ، ایمان ذباح 2
1- گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد فردوس، فردوس، ایران
2- گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تربت حیدریه، تربت حیدریه، ایران
2- گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تربت حیدریه، تربت حیدریه، ایران
چکیده: (5644 مشاهده)
زمینه و هدف: بیماری دیابت یکی از شایع ترین و پر هزینه ترین بیماری ها می باشد که تشخیص به موقع آن می تواند منجر به کاهش پیشرفت این بیماری و عوارض ناشی از آن شود. این پژوهش با هدف تعیین وضیعت بیماری دیابت ازنظر ابتلا و یا عدم ابتلا به آن، با استفاده از تکنیک های داده‌کاوی انجام شده است.
روش ها: این مطالعه از نوع تحلیلی بوده و پایگاه داده آن شامل 254 رکورد مستقل مبتنی بر 13 ویژگی و جمع‌آوری‌شده توسط محققین طرح از یکی از مراکز تخصصی دیابت شهرستان مشهد می‌باشد.
نتایج: پس از پیش‌پردازش داده ها روش‌های مختلف تشخیص الگو مورد بررسی قرار گرفتند، با استفاده از شبکه عصبی پرسپترون چندلایه MLP، شبکه عصبی LVQ، بردار پشتیبان SVM و روش خوشه‌بندی K_means، میانگین حداقل مربعات خطا محاسبه گردید. صحت عملکرد هر یاد گیر به ترتیب 94%، 92%، 96% و 93% محاسبه گردید.
نتیجه گیری: نتایج مطالعه حاکی از آن است که روش SVM عملکرد بهتری نسبت به سایر روشها در تشخیص بیماری دیابت دارد.
روش ها: این مطالعه از نوع تحلیلی بوده و پایگاه داده آن شامل 254 رکورد مستقل مبتنی بر 13 ویژگی و جمع‌آوری‌شده توسط محققین طرح از یکی از مراکز تخصصی دیابت شهرستان مشهد می‌باشد.
نتایج: پس از پیش‌پردازش داده ها روش‌های مختلف تشخیص الگو مورد بررسی قرار گرفتند، با استفاده از شبکه عصبی پرسپترون چندلایه MLP، شبکه عصبی LVQ، بردار پشتیبان SVM و روش خوشه‌بندی K_means، میانگین حداقل مربعات خطا محاسبه گردید. صحت عملکرد هر یاد گیر به ترتیب 94%، 92%، 96% و 93% محاسبه گردید.
نتیجه گیری: نتایج مطالعه حاکی از آن است که روش SVM عملکرد بهتری نسبت به سایر روشها در تشخیص بیماری دیابت دارد.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 | این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
This work is licensed under a Creative Commons Attribution 4.0 International License.
Designed & Developed by : Yektaweb