تشخیص بیماری دیابت با استفاده از ماشین بردار پشتیبان

چکیده مقاله

بالابودن قندخون در دراز مدت باعث بروز عوارضی در سیستم قلب و عروق، کلیه ها، چشمها و سلسله اعصاب می 5میلیون نفر به بیماری دیابت دچار هستند که نیمی از این تعداد از ابتلا به این بیماری / گردد در کشور ایران حدود 5 مطلع نمیباشند و سالانه در حدود دویست هزار نفر به شمار مبتلایان به این بیماری افزوده میشود در این مقاله برای طبقه بندی دادههای بیماری دیابت از شبکههای عصبی مصنوعی استفاده میشود در این مقاله سعی بر آن است که با استفاده از ماشین بردارپشتیبان و شبکه های عصبی به تشخیص و طبقهبندی بیماری دیابت بپردازیم و دادهها را به افراد سالم و مبتلا به بیماری دیابت طبقهبندی کنیم در این تحقیق ابتدا دادههای دیابت از کلینیک دیابت و بیماریهای متابولیک دانشگاه علوم پزشکی تهران جمعآوری میشود و در مرحله پیشپردازش پس از پاکسازی دادهها و کاهش ابعاد، تعداد ویژگیها از 20 ویژگی به 8 ویژگی کاهش مییابد و سپس نرمالسازی خطی بر روی دادهها اعمال میشود پس از پیشپردازش دادهها، ماشین بردارپشتیبان و شبکههای عصبی دیگر طبقه بندی دادهها را انجام میدهند نتایج حاکی از این است که ماشین بردار پشتیبان با دقت % 99,60 و میانگین مربعات خطای 0,01 بهتر از سایر شبکههای عصبی استفاده شده در مقاله طبقه بندی دادههای دیابت را انجام میدهد

کلیدواژه‌ها

نویسندگان

الهام مشکوتی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار

علی معینی

دانشکده فنی دانشگاه تهران تهران ایران

مشکوتی، الهام و معینی، علی،1394،تشخیص بیماری دیابت با استفاده از ماشین بردار پشتیبان،کنفرانس بین المللی یافته های نوین پژوهشی درمهندسی برق و علوم کامپیوتر،تهران

ارائه‌شده در

مجموعه مقالات سومین کنفرانس ملی محاسبات نرم علوم مهندسی در صنعت و جامعه1 اسفند 1402 · ایرانشهر