ارزیابی مدل های یادگیری ماشین برای پیش بینی دیابت بر پایه مجموعه داده های NHANES

چکیده مقاله

دیابت شیرین یکی از مهم ترین بیماری های غیرواگیر است که شیوع آن در سطح جهانی به طور چشمگیری افزایش یافته است با وجود پیشرفت های قابل توجه در حوزه تشخیص، شناسایی زودهنگام دیابت همچنان به ویژه در جمعیت های محروم با چالش های جدی مواجه است زیرا ابزارهای غربالگری متداول از حساسیت و ویژگی کافی برخوردار نیستند در این راستا پیشرفت های اخیر در یادگیری ماشین ML و یادگیری عمیق DL امکان استخراج الگوهای پیچیده و چند بعدی خطر را از داده های سلامت فراهم کرده اند؛ الگوهایی که اغلب با روش های آماری کلاسیک قابل شناسایی نیستند این مطالعه یک معیارسنجی جامع از مدل های ML و DL را با استفاده از داده های چرخه های ۲۰۲۱ تا ۲۰۲۳ بررسی ملی سلامت و تغذیه آمریکا NHANES در جمعیت بزرگسالان ۲۰ تا ۸۰ ساله ارائه می دهد در این پژوهش الگوریتم های پایه یادگیری ماشین با روش های پیشرفته گروهی مانند Random Forest و همچنین معماری های یادگیری عمیق بازگشتی مبتنی بر GRU مقایسه شدند نتایج نشان داد که مدل های GRU با دقت ۹۱ درصد عملکرد برتری نسبت به سایر مدل ها دارند علاوه بر این کاهش ویژگی به روش اطلاعات متقابل و پیش پردازش داده ها موجب کاهش پیچیدگی مدل بدون کاهش چشمگیر دقت آن می شود

کلیدواژه‌ها

نویسندگان

عارفه عمیدیان

دانشجوی مهندسی کامپیوتر دانشگاه حکیم سبزواری، سبزوار

مینا مسعودی فر

استادیار گروه کامپیوتر دانشگاه حکیم سبزواری، سبزوار

�میدیان، عارفه و مسعودی فر، مینا،1404،ارزیابی مدل های یادگیری ماشین برای پیش بینی دیابت بر پایه مجموعه داده های NHANES،دومین کنفرانس بین المللی دو سالانه پیشرفت ها در هوش مصنوعی و علوم داده،بوشهر

ارائه‌شده در

همایش «بسیج، پیشرفت و امنیت پایدار در منطقه جنوب شرق کشور»7 بهمن 1404 · تهران