مدیریت و کنترل سلامت از راه دور بیماران دیابتی با تمرکز بر حفظ حریم خصوصی و امنیت داده های تبادل شده در بستر IOMT

امروزه علوم پزشکی و پزشکان با حجم زیاد دادهها روبهرو میباشند. از آنجایی که مدیریت بیماران از راه دور همواره کار آسانی نیست بنابراین پزشک برای اتخاذ یک تصمیم مناسب، باید نتیجهی آزمایشهای بیمار و تصمیمهایی که در گذشته برای بیماران با وضعیت مشابه گرفته است، را بررسی کند. به عبارت دیگر پزشک نیازمند دانش و تجربه خواهد بود. ولی به دلیل تعداد زیاد بیماران و آزمایشهای متعدد هر بیمار، نیاز به یک ابزار خودکار برای کاوش در میان بیماران دیابتی احساس میشود. در سالهای اخیر روشهای یادگیری ماشین و دادهکاوی برای طراحی سیستم مدیریت و تشخیص خودکار برای دیابت در نظر گرفته شده است. در این تحقیق روشی برای مدیریت بیماران دیابتی از راه دور با تلفیق خوشهبندی فازی و وزندهی ابتکاری ارائه شده است. در حقیقت روش ارائه شده با اتکا بر دادههای آزمایشگاهی و تجارب پزشکان یک دیتاست آفلاین دیابت را مورد بررسی و آنالیز قرار داده است. در گام نخست دادههای اولیه پیشپردازش، آمادهسازی و نرمالسازی شدهاند سپس به عنوان ورودی به الگوریتم شبکه عصبی در دو مرحله یادگیری و تشخیص اعمال شدهاند در مرحله بعد با اعمال دادههای تست، اقدام به ارزیابی از دید دقت، صحت و بازیابی شده است همچنین برای شناخت و تاثیر ویژگیهای مختلف مورد بررسی در بروز دیابت به کمک خوشهبندی FC-Means و تکنیک وزندهی Relife این امر محقق شده است. در حقیقت با تشخیص و مدیریت انجام شده علاوه بر مشخص شدن تعلق به خوشه، میزان موثر بودن هر خصیصه در دیابت فرد مشخص شده است. تمامی تعاملات به صورت رمز شدهو با حفظ حریم خصوصیانجام شده است. نتایج بدست آمده از دید دقت ۴۰/۹۵، صحت ۶۸/۹۶ و بازیابی ۷۷/۸۵ بیانگر بهبود در تشخیص و عملکرد نسبت به دو روش شبکه عصبی و جنگل تصادفی میباشد. روش پیشنهادی به کمک ابزارهای رپیدماینر و متلب توسعه داده شده است.. مطابق با نتایج حاصل میتوان این راهکار را به عنوان رویکردی هوشمند برای کمک به پروسه تشخیص و درمان دیابت تلقی کرد.

کلیدواژه ها:

بیماری دیابت ، شبکه عصبی ، خوشه بندی ، داده کاوی ، اینترنت اشیا پزشکی