مدل طراحی طبقه بندی فازی برای تشخیص دیابت نوع دو با استفاده از الگوریتم بهینه سازی چرنوبیل

در این پژوهش یک مدل طبقه بندی فازی برای تشخیص دیابت نوع دو ارائه شده است که در آن قوانین فازی به صورت خودکار با استفاده از الگوریتم بهینه سازی چرنوبیل استخراج و تنظیم می شوند. داده های مورد استفاده مربوط به مجموعه داده ی استاندارد Pima است که پس از پیش پردازش و جایگزینی مقادیر گمشده با روش انتظاری بیشینه ای برای آموزش مدل به کار گرفته شد. در مدل پیشنهادی متغیرهای ورودی با توابع عضویت مثلثی به سه مقدار زبانی کم، متوسط و زیاد تقسیم شدند و مجموعه ای از ده قانون فازی، پنج قانون برای بیماران دیابتی و پنج قانون برای افراد غیر دیابتی استخراج گردید. نتایج نشان داد که مدل پیشنهادی با صحت ۸۹٫۵۴ درصد، حساسیت ۸۷٫۲۰ درصد و ویژگی ۹۰٫۸۰ درصد عملکرد بسیار مطلوبی در تفکیک بیماران دیابتی از غیر دیابتی دارد. ساختار قابل تفسیر مدل و دقت بالای آن نشان می دهد که ترکیب منطق فازی با الگوریتم چرنوبیل می تواند رویکردی موثر و شفاف برای طراحی سیستم های هوشمند تشخیص پزشکی باشد.