بکارگیری و مقایسه روش های مختلف تشخیص الگو برای تشخیص بیماری دیابت

دیابت به عنوان یکی از شایع ترین و مهم ترین بیماری های مزمن در سطح جهان شناخته می شود با توجه به افزایش روزافزون تعداد مبتلایان به این بیماری و پیچیدگی های تشخیص و مدیریت آن،استفاده از روش های هوش مصنوعی برای بهبود دقت و سرعت تشخیص ضروری است. در این مقاله، عملکرد روش های مختلف طبقه بندی الگومانند شبکه عصبی پرسپترون چند لایه، نزدیک ترین همسایه، بیزین و پارزن و ماشین بردار پشتیبان در تشخیص بیماری دیابت براساس ویژگی های آزمایش های خونی بیماران مورد بررسی قرار گرفته است. برای این منظور، پارامترهای مربوط به هریک از روش های طبقه بندی الگو به نحوی تنظیم و بهینه سازی شده اند که حداکثر دقت ممکن در تشخیص بیماری دیابت براساس ویژگی های خونی بیماران حاصل شود. نتایج نشان می دهد که روش ماشین بردار پشتیبان با دقت ۹۹/۹۷% بهترین عملکرد رادر تشخیص دیابت داشته است. در حالی که روش های نزدیک ترین همسایه، پرسپترون چندلایه، بیزین و پارزن عملکرد متوسط تری ارائه کرده اند. این مطالعه نشان می دهد که استفاده از روش های هوش مصنوعی به ویژه ماشین بردار می تواند در تشخیص دقیق و به موقع دیابت بسیار کارآمد باشد.

کلیدواژه ها:

تشخیص الگو ، دیابت ، کلاسبندی ، ماشین بردار پشتیبان