طراحی یک سیستم پشتیبان تصمیم گیری جهت تشخیص و پیش بینی بیماری دیابت

توضیحات

در مطالعه حاضر با استفاده از الگوریتم ممتیک، الگوریتم ژنتیک و ترکیبی از الگوریتم مذکور با روش لونبرگ مارکوات (LM)، به تعیین وزن های شبکه عصبی پرداخته شده، و جهت بررسی اعتبار سنجی شبکه عصبی از روش های اعتبار سنجی سنتی و Kfold Validation استفاده گردیده و در نهایت برای مقایسه مدل ها از سطح زیر منحنی، ماتریس درهم ریخنگی و نمودار سطح پاسخ استفاده شده است(داده کاوی، شبکه عصبی، الگوریتم ممتیک، الگوریتم ژنتیک، دیابت) همچنین در این پژوهش جهت تعیین پارامترهای مهم از سطح پاسخ (RMS) استفاده می گردد. از دلایل به کارگیری الگوریتم های تکاملی در پزشکی، این است که گاهی سطح واضح و خاصی از بیماری نمی تواند افراد بیمار را از افراد سالم تمییز دهد و یا به دلیل شباهت علایم بیماری ها به هم و یا عواملی من جمله خستگی پزشک ممکن است بیماری تشخیص داده نشود. این امر سبب گردیده است تا در مواقعی بیماری به دلیل عدم تشخیص به صورت خاموش در بیمار تا مدت ها باقی مانده و حتی جان بیمار را به خطر اندازد. اگرچه می توان با ملاحضات آماری یک سطح را در نظر گرفت ولی به طور ایده آل مایل هستیم سطحی را بر اساس داده های بیولوژیک تنظیم کنیم، اما برای بسیاری از شاخص­های انسانی فاقد اطلاعات و ابزاری هستیم که بتوانند ما رادر تعیین سطح خاص یاری دهند. در همین راستا پزشکان جهت تشخیص بیماری نیازمند سطح خاصی از علایم بیماری می باشند تا بتوانند بیماری را با اطمینان تشخیص داد.

(داده کاوی، شبکه عصبی، الگوریتم ممتیک، الگوریتم ژنتیک، دیابت)…

تمامی تحقیقات و پایان نامه های موجود در سایت قابلیت شبیه سازی توسط تیم سیب دانش را دارد از جمله فعالیت های دیگر سیب دانش انجام پایان نامه، انجام شبیه سازی، انجام سمینار دانشجویی، انجام پاورپوینت دفاع، مقاله، دیتاست، ارائه تحقیقات علمی برای اخذ خدمت سربازی و دیگر تحقیقات علمی و غیره می باشد. لطفا از طریق راه های ارتباطی با ما در ارتباط باشید…