پیش بینی بیماری دیابت با استفاده از بازنمایی تنک مبتنی بر منیفلد

بهره گیری از ابزارهای خودکار تشخیص پزشکی، بار مالی سیستم های مراقبت پزشکی را کاهش داده و موجب صرفه جویی از نظر زمان برای کادر پزشکی می شود. بیماری دیابت از بیماری هایبسیار پرخطر است که اهمیت تشخیص به موقع و دقیق آن در زمان شیوع بیماری کرونا دوچندان شده است. روش های یادگیری ماشین بکاررفته جهت پیش بینی دیابت، با یادگیری یک دسته بند با مساله مواجه می شوند. هرچند، ویژگی های بکاررفته برای یادگیری دسته بند تاثیر زیادی روی کارایی آن دارد. تمر کز این مقاله روی یادگیری بازنمایی مناسب برای داده های دیابت است. یک روش بازنمایی تنک مبتنی بر منیفلد جهت یادگیری گراف بازنمایی کننده ی منیفلد بکارمی رود. با بهره گیری از ویژگی های طیفی ماتریس وزن های گراف، داده ی اولیه در فضای ویژگی جدید ارائه می شود. ویژگی های جدید یادگرفته شده در مقایسه با ویژگی های اولیه قدرت تمایزی بالاتری جهت تشخیص بیماران دیابتی دارد. ارزیابی های انجام شده بر اساس ملاک های دقت، صحت، بازخوانی، F۱ و حساسیت موید کارایی روش پیشنهادی است

کلیدواژه ها:

تشخیص دیابت ، بازنمایی تنک ، منیفلد ، اقتباس ویژگی