مهدی فضلی عقدایی - استادیار، دانشکده ریاضیات، دانشگاه پیام نور، تهران، ایران

بیماران دیابتی دچار عوارض خطرناکی مانند نفروپاتی می شوند که منجر به آسیب جدی به کلیه و از کارافتادگی آن می شود. پیش آگهی به بیماران می تواند تا حد زیادی از این عوارض پیشگیری کند. امروزه استفاده از هوش مصنوعی و یادگیری ماشین می تواند در پیش بینی بیماری ها موثر باشد. در این پژوهش، با ترکیب روش فازی و الگوریتم بهینه سازی ازدحام ذرات به پیش بینی نفروپاتی دیابت پرداختیم. به این منظور، از یک شبکه عصبی- فازی استفاده شد که وزن های آن توسط الگوریتم بهینه سازی ازدحام ذرات تنظیم شدند. برای ارزیابی روش پیشنهادی، از نرم افزار MATLAB استفاده شده است و نتایج بر روی مجموعه داده جمع آوری شده از بیماران در استان لرستان ارزیابی شده است. نتایج روش پیشنهادی بر اساس شاخص های صحت، دقت، حساسیت و اختصاصیت به ترتیب ۹۱۲۹/۰، ۹۸۰۶/۰، ۸۷۱۵/۰، ۸۶۰۳/۰ بوده است.

بیماری نفروپاتی دیابت،شبکه عصبی، فازی،الگوریتم بهینه سازی ازدحام ذرات