یادگیریساختار شبکه بیزی برای تشخیص بیماری دیابت

چكيده

دیابت از بیماری های رایج در اکثر کشورها ازجمله ایران است که هرسال به تعداد بیماران آن افزوده می شود. استفاده از داده­کاوی در حوزه سلامت می­تواند کمک قابل توجهی به پزشکان در تشخیص بیماری­ دیابت نماید. در تحقیق جاری رویکرد جدیدی مبتنی بر یادگیری شبکه بیزی با الگوریتم­های فرا ابتکاری برای تشخیص زود هنگام و دقیق­تر بیماری دیابت پیشنهادشده است. با استفاده از الگوریتم­های فرا ابتکاری جستجو ممنوع، ژنتیک و شبیه سازی تبرید و با تنظیم مناسب پارامترهای آن­ها، شبکه ­های بیزی مناسبی برای تشخیص زودهنگام دیابت ساخته شده است. داده­های مورداستفاده برای آزمون شبکه­ ها، "پیما" و به تعداد 768 نمونه است. برای دقت بیشتر، نمونه هایی که مقادیر گم شده دارند، حذف شده و تعداد 336 نمونه استفاده شد. اجرای مدل سازی و ساخت شبکه ­ها با نرم افزار "وکا" صورت گرفته است. خروجی مدل شبکه گرافیکی بیزین تحقیق جاری، نمایشگر ارتباط علی و معلولی بین متغیرها بوده و دارای بهترین دقت برای تشخیص بیماری دیابت است. بهترین دقت به دست آمده این مدل­ها 84/81 درصد و متعلق به الگوریتم فرا ابتکاری جستجو ممنوع بوده که نسبت به همه مدل های رایج کاراتر است. نتایج نشان داد که شبکه های بیزین تحقیق جاری سازگاری مناسبی با داده های موردنظر داشته و در مقایسه با روش­های تحقیقات پیشین، از دقت و کارایی بیشتری در تشخیص زودرس بیماری دیابت دارند. در ادامه این پژوهش می توان با استفاده از داده های بومی و فازی نمودن داده ها، نتایج بهتری و کاربردی­تری را به دست آورد. از این رویکرد می­توان برای تشخیص بیماری های دیگر نیز بهره جست.

واژه های کلیدی: داده کاوی، شبکه­های بیزین، تشخیص دیابت، الگوریتم های فرا ابتکاری.