ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

Extracting Rules for Diagnosis of Diabetes Using Genetic Programming

سال انتشار: 1398
کد COI مقاله: JR_IJHS-5-3_006
زبان مقاله: انگلیسیمشاهده این مقاله: 43
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Extracting Rules for Diagnosis of Diabetes Using Genetic Programming

Fatemeh Abouz - Department of Computer Engineering, School of Engineering, Behbahan Khatam Alanbia University of Technology, Behbahan, Iran
Mehrdad Sadehvand - Department of Computer Engineering, School of Engineering, Behbahan Khatam Alanbia University of Technology, Behbahan, Iran
Amin Golabpour - School of Medicine, Shahroud University of Medical Science, Shahroud, Iran

چکیده مقاله:

Background: Diabetes is a global health challenge that cusses highincidence of major social and economic consequences. As such, earlyprevention or identification of those people at risk is crucial forreducing the problems caused by it. The aim of study was to extract therules for diabetes diagnosing using genetic programming.Methods: This study utilized the PIMA dataset of the university ofCalifornia, Irvine. This dataset consists of the information of ۷۶۸ Pimaheritage women, including ۵۰۰ healthy persons and ۲۶۸ persons withdiabetes. Regarding the missing values and outliers in this dataset, theK-nearest neighbor and k-means methods are applied respectively.Moreover, a genetic programming model (GP) was conducted todiagnose diabetes as well as to determine the most important factorsaffecting it. Accuracy, sensitivity and specificity of the proposed modelon the PIMA dataset were obtained as ۷۹.۳۲, ۵۸.۹۶ and ۹۰.۷۴%,respectively.Results: The experimental results of our model on PIMA revealed thatage, PG concentration, BMI, Tri Fold thick and Serum Ins wereeffective in diabetes mellitus and increased risk of diabetes. Inaddition, the good performance of the model coupled with thesimplicity and comprehensiveness of the extracted rules is also shownby the experimental results.Conclusions: GPs can effectively implement the rules for diagnosingdiabetes. Both BMI and PG concentration are also the most importantfactors to increase the risk of suffering from diabetes.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_IJHS-5-3_006 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1242028/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Abouz, Fatemeh and Sadehvand, Mehrdad and Golabpour, Amin,1398,Extracting Rules for Diagnosis of Diabetes Using Genetic Programming,https://civilica.com/doc/1242028

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398, Abouz, Fatemeh؛ Mehrdad Sadehvand and Amin Golabpour)
برای بار دوم به بعد: (1398, Abouz؛ Sadehvand and Golabpour)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 1,014
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی