ارایه الگوریتم بهبود یافته فازی چهت تشخیص دیابت با رویکرد مکاشفه ای

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 474

فایل این مقاله در 13 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF03_097

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

امروزه یکی از مهمترین بیماری ها که زندگی بشر در هر سنی را تحت تاثیر قرار می دهد، دیابت است. دیابت ممکن است در کودکان خردسال و یا افراد بالغ و سالمندان دیده شود. لازم است که این بیماری کنترل شود چرا که تاثیر مخربی بر سلامت جسمی و روحی افراد دارد. یکی از عوامل شیوع این بیماری این است که تشخیص به موقع آن صورت نمی پذیرد. بنابرین برای جلوگیری از شیوع آن لازم است تشخیص اولیه، به موقع انجام شود. بخاطر این بیماری سطح انسولین خون بالا و پایین می شود. به طور کلی دو نوع دیابت وجود دارد که به نام های دیابت نوع 1 و نوع 2 معروف می باشند. در نوع 1 بدن قادر به تولید انسولین نمی باشد. در بین مبتلایان به دیابت 10% آنها دارای دیابت نوع 1 می باشند. بیماران دارای دیابت نوع 1 باید باقی عمر خود را با تزریق انسولین تحت کنترل باشند. این افراد باید رژیم غذایی را اتخاذ کنند که گلوکوز یا قند خون آن ها در یک سطح مناسب قرار گیرد. این افراد همچنین به یک برنامه آزمایش خون به صورت مرتب نیاز دارند. در نوع 2 بدن بیمار انسولین کافی را تولید نمی کندو 90% مبتلایان به دیابت دارای دیابت نوع 2 می باشند. تشخیص بیماری دیابت یک مسیله کلاس بندی است. در مسیله کلاس بندی دارای چندین ویژگی می باشیم که در مسیله تشخیص دیابت ویژگی های مربوط به سوابق پزشکی بیماران می باشد. متغیر پیش بینی بیمار بودن یا نبودن فرد است که یک متغیر گسسته جهت پیش بینی با توجه به ویژگی های افراد مشکوک به بیماری است. بیمار بودن یا نبودن فرد نوع بیماری مدت زمان بیماری مجهولات می باشند.قوانین فازی کمک خواهد کرد تا با استفاده از این ویژگی ها عمل تشخیص بیماری دیابت را براساس ویژگی های بیماران انجام دهیم. در این پژوهش از الگوریتم های مکاشفه ای مانند الگوریتم ژنتیک برای بهبود قوانین فازی جهت بالا بردن دقت تشخیص استفاده خواهد شد.

نویسندگان

سید محمد حسین میرابراهیمی

دانشجویی کارشناسی ارشد دانشگاه واحد رشت

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 :
  • Type-1 diabetes. Available from: http ://www .diabetes.org/ diabetes-basic s/type- 1. ...
  • Jali MV, Hiremath MB Diabetes. Indian Journal of Science and ...
  • Lanord M, Stanley J, Elantamilan D, Kumaravel T. Prevalence of ...
  • Indian Diabetic Risk Score in Rural Population. Indian Journa of ...
  • Diseases and conditions with subheading women's health. Available from http ...
  • Han J, Kamber M. Data mining concepts and techniques. 2nd ...
  • Han J, Kamber M. Data mining concepts and techniques. 2nd ...
  • Gao J, Denzinger J, James RC. CoLe: A cooperative data ...
  • Rajesh K, Sangeetha V. Application of data mining methods and ...
  • Engineering and Innovatie Technology (IJET). 2012; 2(3):224-9. ...
  • Afrand P, Yazdani NM, Mo etamedzadeh H, Naderi F, Panahi ...
  • Adidela DR, Lavanya DG, Jaya SG, Allam AR. Application of ...
  • Patil BM, Joshi RC, Toshniwal D Association rule for classification ...
  • Conference of IEEE on Machine Learning and Computing; 2010. p. ...
  • Aljarullah AA. Decision tree discovery for the diagnosis of type ...
  • Jaya Rama Krishnaiah VV, Chandra Shekar DV, Satya Prasad R, ...
  • Mandal S, Dubey V. Imp lementation and evaluation of diabetes ...
  • Kavitha K, Sarojamma RM. Monitoring of diabetes with data mining ...
  • Emerging Technology and Advanced Engineering. 2012; 2(11):157-62. ...
  • Ferreira D, Oliveira A, Freitas A. Applying data mining techniques ...
  • A nanthap admanab an KR, Parthiban G. Prediction of chances ...
  • National Center for Chronic Disease Prevention and Health Promotion. Gestational ...
  • Control and Prevention. U.S. Department of Health and Human Services; ...
  • Type-2 diabetes complications. Available from: http:/www. mayoclinic , org/di _ ...
  • Goldberg D E. Genetic Algorithms in Search, Optimization and Machine ...
  • Schoslkopf B, Smola A. Learning with Kernels, Support Vector Machines. ...
  • Vapnik V N.The Naturl of Statistical Learning theory. USA, Newyork: ...
  • John W Chinneck. Practical Optimization: a Gentle Introduction. 2014; http: ...
  • Nor Ashidi Mat Isa, Wan Mohd Fahmi Wan Mamatl C ...
  • recognition application. Elsevier: Applied Soft Computing; January 2011; 11(1); 1457-1466. ...
  • Aibinu A M, Salami M J E, Shafie A A. ...
  • Chikh M A, Saidi M, Settouti N.Diagnosis of diabetes diseases ...
  • Ozcift A. SVM feature selection based rotation forest ensemble classifiers ...
  • Anuja Kumari V, Chitra R. Classification Of Diabetes Disease Using ...
  • نمایش کامل مراجع