مقایسه انواع شبکه های عصبی مصنوعی به منظور پیش بینی دوز بهینه انسولین برای بیماران دیابتی
محل انتشار: ششمین کنفرانس مهندسی برق و الکترونیک ایران
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 896
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE06_021
تاریخ نمایه سازی: 1 مهر 1394
چکیده مقاله:
طبق آمار سازمان جهانی بهداشت (WHO) پیش بینی می شود در سال 2030 تعداد بیماران دیابتی به 300 میلیون نفر برسد. بیماری دیابت براثر قطع تولید انسولین و یا عدم جذب مناسب آن در بدن به وجود می آید. انسولین هورمونی است که مواد غذایی قندی و نشاسته را در بدن به انرژی تبدیل می نماید. این بیماری سوخت و ساز گلوکز را در همه انواع سلولها به غیر از سلول های مغز دگرگون می کند. در دیابت نوع I بیمار دیابتی برای کنترل میزان قند خون باید از تزریق انسولین استفاده کند. یکی از مسائل مهم تعیین دوز انسولین مورد نیاز در هر وعده تزریق بر مبنای قند خون اندازه گیری شده است. داده های مورد استفاده در این پژوهش مربوط به یک بیمار دیابتی نوع I است که در مدت 77 روز جمع آوری شده است. این داده ها برای هر روز شامل 8 ثبت (میزان قند خون) است که عبارتند از: قند خوننصف شب، قبل از صبحانه، بعد از صبحانه، قبل از ناهار، بعد از ناهار، قبل از شام، بعد از شام و بعد از خوابیدن. در این پژوهش سعی شده است پس از مقایسه انواع شبکه های عصبی (MLP,RBF,RNN,FNN,SVM)، شبکه عصبی که کمترین میزان میانگین مربعات خطا را در تعیین دوز بهینه انسولین برای این بیمار دیابتی داردمعرفی گردد. طبق یافته های این پژوهش شبکه عصبی- فازی (FNN) مناسبترین شبکه برای این بیمار بوده است. در صورتی که بانک داده جامعتری در دسترس باشد، می توان این برآورد را برای جامعه بزرگتری از بیماران انجام داد.
کلیدواژه ها:
نویسندگان
رستم آقائی
دانشجوی کارشناسی ارشد مهندسی برق- کنترل
فریبا بهرامی
قطب کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، پردیس دانشکده های فنی، دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :