ارائه یک مدل تشخیص دیابت مبتنی بر شبکه های عصبی عمیق بازگشتی و الگوریتم بیش نمونه گیری
- سال انتشار: 1400
- محل انتشار: دانشنامه تحول دیجیتال، دوره: 2، شماره: 4
- کد COI اختصاصی: JR_DTJ-2-4_006
- زبان مقاله: فارسی
- تعداد مشاهده: 131
نویسندگان
گروه کامپیوتر،دانشکده فنی مهندسی،دانشگاه شهید اشرفی اصفهانی،اصفهان،ایران
گروه کامپیوتر،دانشکده فنی مهندسی،دانشگاه شهید اشرفی اصفهانی،اصفهان،ایران
گروه بهداشت و درمان،دانشکده پزشکی ، دانشگاه آزاد اسلامی ،نجف آباد،ایران
چکیده
دیابت، به گروهی از اختلالات متابولیکی گفته می شود که نتیجه عدم کنترل قند خون است. تشخیص به موقع و در ادامه کنترل این بیماری به خوبی باعث کاهش اثرات ناشی از آن مثل رتینوپاتی دیابتی، گرفتگی قلبی و عروقی سکته های مغزی و غیره می شود. محققان تا به امروز تلاش های بسیاری در این زمینه کرده اند؛ اما اغلب این مدل ها یا مبتنی بر روش های یادگیری ماشین ساده و یا بر این فرض استوار هستند که داده های دیابت در دسترس متوازن هستند. از اینرو، در این مقاله یک مدل تشخیص بیماری دیابت مبتنی بر شبکه های عصبی بازگشتی عمیق و الگوریتم بیش نمونه گیری SMOTE ارائه شده است. در این مدل چندین مرحله پیش پردازش شامل مقدار دهی به مقادیر از دست رفته، حذف داده های پرت و سپس بیش نمونه گیری انجام شده است. از سه شبکه عصبی عمیق بازگشتی با سه واحد پنهان بازگشتی شامل LSTM, GRU و BiLSTM برای تشخیص استفاده شده است. نتایج مدل ارائه شده بر روی پایگاه داده Pima حاکی از آن است که میانگین صحت در ۱۰ اجرای مختلف در LSTM و GRU و BiLSTM به ترتیب ۹۱.۲۱ % ، ۸۹.۶۱ و ۹۰.۹۹ % است. نتایج مدل بازگشتی ما نشان می دهد، شبکه های عصبی عمیق در مقایسه با روش های یادگیری ماشین عملکرد بسیار موفق تری دارند.کلیدواژه ها
تشخیص دیابت, شبکه عصبی بازگشتی, بیش نمونه گیری, داده های پرت, یادگیری ماشیناطلاعات بیشتر در مورد 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.