ارائه یک مدل تشخیص دیابت مبتنی بر شبکه های عصبی عمیق بازگشتی و الگوریتم بیش نمونه گیری
محل انتشار: دانشنامه تحول دیجیتال، دوره: 2، شماره: 4
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 122
فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_DTJ-2-4_006
تاریخ نمایه سازی: 24 آذر 1402
چکیده مقاله:
دیابت، به گروهی از اختلالات متابولیکی گفته می شود که نتیجه عدم کنترل قند خون است. تشخیص به موقع و در ادامه کنترل این بیماری به خوبی باعث کاهش اثرات ناشی از آن مثل رتینوپاتی دیابتی، گرفتگی قلبی و عروقی سکته های مغزی و غیره می شود. محققان تا به امروز تلاش های بسیاری در این زمینه کرده اند؛ اما اغلب این مدل ها یا مبتنی بر روش های یادگیری ماشین ساده و یا بر این فرض استوار هستند که داده های دیابت در دسترس متوازن هستند. از اینرو، در این مقاله یک مدل تشخیص بیماری دیابت مبتنی بر شبکه های عصبی بازگشتی عمیق و الگوریتم بیش نمونه گیری SMOTE ارائه شده است. در این مدل چندین مرحله پیش پردازش شامل مقدار دهی به مقادیر از دست رفته، حذف داده های پرت و سپس بیش نمونه گیری انجام شده است. از سه شبکه عصبی عمیق بازگشتی با سه واحد پنهان بازگشتی شامل LSTM, GRU و BiLSTM برای تشخیص استفاده شده است. نتایج مدل ارائه شده بر روی پایگاه داده Pima حاکی از آن است که میانگین صحت در ۱۰ اجرای مختلف در LSTM و GRU و BiLSTM به ترتیب ۹۱.۲۱ % ، ۸۹.۶۱ و ۹۰.۹۹ % است. نتایج مدل بازگشتی ما نشان می دهد، شبکه های عصبی عمیق در مقایسه با روش های یادگیری ماشین عملکرد بسیار موفق تری دارند.
کلیدواژه ها:
نویسندگان
فرزانه آقامحمودیان اصفهانی
گروه کامپیوتر،دانشکده فنی مهندسی،دانشگاه شهید اشرفی اصفهانی،اصفهان،ایران
ناصر نعمت بخش
گروه کامپیوتر،دانشکده فنی مهندسی،دانشگاه شهید اشرفی اصفهانی،اصفهان،ایران
محسن اخوان طبیب
گروه بهداشت و درمان،دانشکده پزشکی ، دانشگاه آزاد اسلامی ،نجف آباد،ایران