پیش بینی بیماری دیابت نوع 2 با کمک شبکه ی عصبی مصنوعی

زمینه و هدف: دیابت یک بیماری است که بر توانایی بدن در تولید هورمون انسولین تاثیر می گذارد و به واسطه ی هیپرگلیسمی مشخص میشود که ناشی از کمبود توده ی سلولی β ، مقاومت به انسولین و یا هر دو می باشد [ 1] . این بیماری باعث غیر طبیعی شدن متابولیسم کربوهیدرات و افزایش سطح گلوکز خون می شود. به طور کلی در دیابت فرد از قند خون بالا رنج می برد. تشدید تشنگی، تشدید گرسنگی و تکرر ادرار بعضی از علائم ناشی از قند خون بالا است. اگر دیابت بدون درمان باقی بماند، منجر به عوارض زیادی خواهد شد. [ 2] یکی از مشکلات اساسی در این بیماری عدم تشخیص و درمان به موقع می باشد. انگیزه ی این مطالعه طراحی یک مدل است که می تواند احتمال ابتلا به دیابت در بیماران را با دقت بالایی پیش بینی کند. در تحقیق حاضر، از روش داده کاوی ماشین در مجموعه داده ی Pima Indian diabetes dataset استفاده کرده ایم که شامل 768 نفر با 8 ویژگی می باشد. شناسایی الگوهای در معرض خطر با استفاده از شبکه ی عصبی مصنوعی پیشخور انجام شده است. برنامه نویسی در نرم افزار متلب انجام شده و برای تفکیک داده ها به دو مجموعه ی آموزش (Train) و آزمون (Test) از روش Kfold استفاده کرده ایم. دقت پیش بینی در این روش 81/579 درصد می باشد. نتایج این تحقیق نشان می دهد که استفاده از شبکه ی عصبی FeedForward می تواند به عنوان یک ابزار کارآمد در تشخیص بیماری دیابت مورد استفاده قرار گیرد.

کلیدواژه ها:

دیابت ، شبکه ی عصبی پیشخور ، یادگیری ماشین ، دقت ، حساسیت ، صحت