کد |
ts-22599
|
عنوان اول |
ارایهی روشی جهت تشخیص و پیشبینی بیماری دیابت نوع دوم با استفاده از الگوریتمهای دادهکاوی
|
نویسنده |
فرناز کاکاوند
|
استاد راهنما |
سیدامیر اصغری
|
نوع |
کاغذی
|
دانشگاه |
موسسه آموزش عالی شهاب دانش
|
مقطع |
کارشناسی ارشد
|
رشته |
مهندسی کامپیوتر - نرم افزار
|
سال دفاع |
1396شمسی
|
زبان |
فارسی
|
موضوعات |
ذرات کبالت ، شبکه عصبی ، داده کاوی
|
چکیده |
گسترش جوامع صنعتی و کمتحرکی موجب پیدایش بیماریهای جدیدی در عصر حاضر شده که یکی از شایعترین آنها دیابت میباشد. دیابت یا به اصطلاح عامیانه بیماری قند خون چهارمین علت مرگ و میر در جهان است. از جمله عوارض این بیماری میتوان به نابینایی، قطع عضو، نارسایی کلیه و ... اشاره کرد. اگر این بیماری در زمان مناسب شناسایی و کنترل نشود مشکلات متعددی را برای فرد ایجاد مینماید. از سوی دیگر برای زنان باردار و کسانی که در معرض سایر بیماریها و یا اعمال جراحی هستند نیز شرایط دوچندان سخت میشود. در این پایاننامه تشخیص دیابت و پیشبینی زمان ابتلا مورد بحث و بررسی قرار گرفته است. این ابزار با کمک به پزشک جهت تشخیص و پیشگیری از این بیماری سهم موثری در کاهش روند روبهرشد دیابت خواهد داشت. برای پیادهسازی این ابزار ابتدا بوسیلهی نرمافزار Weka پایگاهدادهی بیماران دیابتی توسط روشهای مختلف کلاسبندی مورد تحلیل قرار گرفت اما نتایج به میزان کافی رضایت بخش نبود، لذا الگوریتمی که صحت بالاتری نسبت به سایر الگوریتمها داشت برای پیادهسازی در نرمافزار MATLAB انتخاب شد. سپس دادهها به نرم افزار MATLAB وارد شد و با ایجاد یک ویژگی جدید، حاصل از تجمیع ویژگیهای قبلی و با بکارگیری الگوریتم کلاسبندی شبکهی عصبی پرسپترون چند لایه، صحت کلاسبندی 99.1% حاصل شد. سپس ویژگیهای افراد سالم در یک آنالیز دیگر به ورودی شبکهی عصبی داده شد و تخمینی از زمان ابتلا به دیابت این افراد بدست آمد. در این پژوهش برای تشخیص دیابت از پایگاهدادهی Pima و برای پیشبینی دیابت از فاکتور ریسک بدست آمده در سایر مقالهها استفاده شده است. نتایج بدست آمده بهبود دقت %1.8 در مقایسه با مقالهی مرجع را نشان می دهد. علاوه بر این، روش عنوان شده رویکرد جدیدی در پیشبینی این بیماری در اختیار پزشک قرار میدهد که نسبت به سایر روشها دارای مزیت تخمین زمانی مناسب میباشد.
|
تاریخ ثبت در بانک |
2 آذر 1397
|