استفاده از الگوریتم های داده کاوی در پیش بینی بیماری دیابت

دیابت نوع ۲ یکی از شایع ترین بیماری های مزمن متابولیکی است که در صورت عدم تشخیص و مدیریت به موقع، می تواند منجر به عوارض جدی قلبی، کلیوی و چشمی شود. هدف این پژوهش، بهره گیری از تکنیک های کاوش قوانین انجمنی برای کشف روابط پنهان بین شاخص های بالینی موثر در تشخیص دیابت است. بدین منظور، از مجموعه داده استاندارد Pima Indians Diabetes استفاده شد که پس از پیش پردازش و گسسته سازی بالینی ویژگی ها (مانند قند ناشتا، شاخص توده بدنی و فشار خون)، به فرمت تراکنشی تبدیل گردید. سپس، الگوریتم های Apriori و FP Growth برای استخراج قوانین انجمنی اجرا شدند و عملکرد آنها از دو جنبه کارایی محاسباتی (زمان اجرا و مصرف حافظه) و یکسان بودن خروجی ها مورد مقایسه قرار گرفت. یافته های این پژوهش گواهی بر آن است که کاوش قوانین انجمنی می تواند به عنوان یک روش کمک تشخیصی در سامانه های سلامت الکترونیک، به تقویت تصمیم گیری بالینی کمک کند.

کلیدواژه ها:

کاوش قوانین انجمنی ، الگوریتم Apriori ، الگوریتم FP-Growth ، داده کاوی ، مجموعه الگوهای مکرر