مقایسه سامانه‌‌های پشتیبان تصمیم‌گیری در پیش‌بینی دیابت

Authors

تحسینی, حبیب اله دانشجوی کارشناسی ارشد، گروه آمار زیستی،دانشگاه علوم پزشکی همدان

جهانی, میثم کارشناسی ارشد مهندسی فناوری اطلاعات،گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه قم

رضایی نور, جلال استادیار مهندسی صنایع، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه قم

صالحی, ایرج دانشیار فیزیو لوژی،گروه فیزیولوژی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی همدان

هداوندی, اسماعیل دانشجوی دکتری مهندسی صنایع، گروه مهندسی صنایع، دانشگاه امیرکبیر

Abstract:

Background & Objectives: In recent years, different decision support systems (DSS) have been used to predict and diagnose diseases. The purpose of this paper was to compare some DSSs and to evaluate their accuracy in predicting diabetes. Methods: In this research, determination and optimization of the weights of the neural network were undertaken using genetic algorithm and Levenberg-Marquardt (GALM). Traditional and K-Fold Cross Validation were used to verify the models. Finally, the proposed model (i.e. GALM) was compared using logistic regression and genetic algorithm based on area under curve (AUC), and Confusion Matrix. Results: After evaluating the results, the model based on the GALM algorithm showed better sensitivity and specificity in comparison with models based on the logistic regression (LR) and genetic algorithm (GA). Furthermore, among other models, the proposed model had a high sensitivity, specificity, negative predictive value (NPV), positive predictive value (PPV), and a small negative likelihood. Conclusion: The results showed that the GALM model with a sensitivity, specificity, PPV, NPV, and AUC of 98.7, 90.01, 91.8, 98.3 and 0.979 respectively was an appropriate model for predicting diabetes in comparison with models of GA and LR.

Upgrade to premium to download articles

Already have an account?login

similar resources

مقایسه سامانه های پشتیبان تصمیم گیری در پیش بینی دیابت

مقدمه و اهداف: در طی سال های اخیر از جمله روش های پیش بینی و تشخیص بیماری در عرصه پزشکی، به کارگیری روش های پشتیبان تصمیم با الگوریتم های تکاملی و ترکیبی است، که دارای توانمندی بالایی در مدل سازی مسائل پزشکی و مهندسی دارند. هدف این مقاله مقایسه ی چند سامانه پشتیبان تصمیم گیری و بررسی دقت این سامانه ها در پیش بینی بیماری دیابت است. روش کار: در مطالعه ی حاضر با استفاده روش ترکیب الگوریتم ژنتیک و ...

full text

سیستمهای پشتیبان تصمیمگیری محیطزیستی ) :(EDSSsبررسی مفاهیم، تحولات و چالشها از گذشته تا کنون

تلاشهای بسیاری در جهت توسعه فنآوری لازم برای آگاهی سازمانهای مدیریت و سیاستگذاری محیطزیست و کمک به آنها در یافتنراهحل مسایل پیچیده صورت پذیرفته است و در نهایت به معرفی سیستم پشتیبان تصمیمگیری محیطزیستی ختم شده است. هدف اینمقاله بررسی مفاهیم، مطالعات، طراحی سیستم و چالشهای پیشروی سیستمهای پشتیبان تصمیمگیری محیطزیستی از گذشته تا کنوناست. سیستم پشتیبان تصمیمگیری به طرق مختلفی تعر...

full text

شناسایی گردوغبار در تصاویر ماهواره‌ای MODIS با استفاده از روشهای ماشین بردار پشتیبان، شبکه عصبی مصنوعی و درخت تصمیمگیری

یکی از مهمترین بلایای طبیعی که طی سالیان اخیر موردتوجه قرارگرفته، پدیده‌ی گردوغبار است. در سال‌های اخیر این پدیده در ایران ابعاد تازه‌ای گرفته و از یک معضل محلی، به مسئله‌ای ملی تبدیل شده است. شناسایی و تشخیص طوفان گردوغبار اولین مرحله در بررسی و پایش آن می‌باشد. این تحقیق باهدف شناسایی مناطق دارای گردوغبار از تصاویر ماهواره‌ای، در منطقه خاورمیانه انجام گرفته است. در بررسی پدیده گردوغبار تصاویر...

full text

ارایه مدلی مناسب با استفاده از ماشین بردار پشتیبان برای پیشبینی غلظت روزانه مونوکسیدکربن در هوای شهر تهران

Backgrounds and Objectives: Precise air pollutants prediction, as the first step in facing air pollution problem, could provide helpful information for authorities in order to have appropriate actions toward this challenge. Regarding the importance of carbon monoxide (CO) in Tehran atmosphere, this study aims to introduce a suitable model for predicting this pollutant. Materials and Method: W...

full text