فهرست مطالب نویسنده:

اسما اسکندری

انتخاب همه

تشخیص بیماری دیابت با استفاده از شبکه عصبی مصنوعی و عصبی- فازی

اسما اسکندری، زهزا سرداری، ابوالفضل نوقندی، ایمان ذباح *

مجله دانشگاه علوم پزشکی تربت حیدریه، سال ششم شماره 2 (تابستان 1397)، صص 10 -20

زمینه و هدف
یکی از مشکلات اساسی بیماری دیابت عدم تشخیص به موقع و درمان صحیح آن است. مطالعه حاضر با هدف تشخیص بیماری دیابت با استفاده از روش مبتنی برداده کاوی انجام شده است.
روش ها
این مطالعه از نوع تحلیلی بوده و پایگاه داده آن مشتمل بر 768 نفر با 8 ویژگی می باشد. در این پژوهش از شبکه های عصبی مصنوعی و عصبی-فازی جهت تشخیص بیماری دیابت و انجام محساسبات استفاده شد. تحلیل آماری با استفاده از نرم افزار SPSS 23 و برنامه نویسی در محیط نرم افزار MATLAB 2018انجام شده است. به منظور حصول دقت واقعی از روش Kfold جهت تفکیک نمونه ها به دو دسته آموزش (Train) و آزمون (Test) استفاده گردید.
نتایج
خطای محاسبه شده بر اساس میانگین مربعات خطا (mean square error) در روش شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) و شبکه عصبی بردار یاد گیر کوانتیزه (Learning Vector Quantization) و شبکه های عصبی-فازی (Nero fuzzy) به ترتیب 98/6% و 98/2% و 99/6% بدست آمد.
نتیجه گیری
با توجه به نتایج مطالعه، بنظر می رسد استفاده از مدل های مبتنی برداده کاوی می تواند بعنوان یک روش کمکی در تشخیص بیماری دیابت کارآمد باشد. اگرچه روش های مورد مطالعه با دقت قابل قبول توانایی امکان پیش بینی بیماری دیابت را دارند اما نتایج مطالعه نشان می دهد که روش مبتنی بر عصبی فازی دقت بالاتری دارند.

کلید واژگان: دیابت, شبکه های عصبی مصنوعی, شبکه های عصبی- فازی, داده کاوی

چکیده مشاهده متن مقاله پژوهشی/اصیل زبان: فارسی

Diagnosis of Diabetes using Artificial Neural Network and Neuro-Fuzzy approach

Iman Zabbah*, Asma Eskandari, Zahra Sardari, Abolfazl Noghandi

Journal of Torbat Heydariyeh University of Medical Sciences, Volume:6 Issue: 2, 2018, PP 10 -20

Background & Aim
A main problem in diabetes is its timely and accurate diagnosis. This study aimed at diagnosing diabetes using data mining methods.
Methods
The present study is an analytical investigation including 768 individuals with 8 attributes. Artificial neural networks and fuzzy neural networks were used to diagnose the diabetes. To achieve a realaccuracy, the Kfold method was used to divide samples into training and test groups.
Results
The mean square errors in multilayer perceptron network (MLP), learning vector quantization and Nero fuzzy networks were 98.6%, 98.2% and 99.6%, respectively.
Conclusion
According to the results of this study, , data mining method can be effective in diagnosing diabetes. In this regard, both used methods are useful; however, higher precision was obtained following the use of Neuro-Fuzzy approach.

Keywords: Diabetes, Artificial Neural Networks, Fuzzy Neural networksData mining

Abstract View Paper Research/Original Article Original: Persian

بدانید!

در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.

به جمع مشترکان مگیران بپیوندید!

اسما اسکندری