دوره 14، شماره 6 - ( 6-1394 )                   جلد 14 شماره 6 صفحات 418-430 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Fiuzy M, Haddadni@hsu.acir J, Mollania N, Mohammad zedeh M. THE PREDICTION OF CORRECT DOSE OF INSULIN IN MELLITUS PATIENT BY USING ARTIFICIAL INTELLIGENT SYSTEM AND COMBINED DATA MINING ALGORITHM. ijdld. 2015; 14 (6) :418-430
URL: http://ijdld.tums.ac.ir/article-1-5268-fa.html
فیوضی محمد، حدادنیا جواد، ملانیا نسرین، محمد زاده محمد. پیش‌بینی صحیح دز انسولین در بیماران دیابتی نوع دو با استفاده از ترکیب سیستم‌های هوشمند مصنوعی و الگوریتم‌های داده‌کاوی. مجله دیابت و متابولیسم ایران. 1394; 14 (6) :418-430

URL: http://ijdld.tums.ac.ir/article-1-5268-fa.html


1- مرکز تحقیقات سالمند شناسی ، mohammad.fiuzy@yahoo.com
2- مرکز تحقیقات فناوری های نوین پزشکی, دانشکده مهندسی برق
3- بخش بیوشیمی، گروه زیست شناسی، دانشکده علوم پایه
4- مرکز تحقیقات سالمند شناسی
چکیده:   (1658 مشاهده)

مقدمه: دیابت بیماری است که علاوه بر پیشگیری، نیاز به مراقبت‌های فراوانی از قبیل پیش‌بینی صحیح میزان نوسانات سطح قند خون دارد. از مهم‌ترین عوارض این بیماری می‌توان به بیهوشی، کما و حتی مرگ اشاره کرد. امروزه در این بیماران، تعیین صحیح دُز انسولین براساس تجربه یا دانش پزشکان با استفاده از تعامل با بیماران مشخص می‌شود، هر چند که وجود خطاهای انسانی اجتناب ناپذیر است. در این مطالعه سعی شده است تا پیش‌بینی صحیحی از نیاز 48 ساعت آینده انسولین برای بیماران به دست آید.

روش‌ها: 124 بیمار دیابتی نوع دو و 188 فرد مشکوک به بیماری نوع دو براساس 12 ویژگی با انتخاب تصادفی از بین افراد مراجعه کننده به مرکز تحقیقات دیابت دانشگاه علوم پزشکی سبزوار در فاصله سال‌های 1385 تا 1390 مورد مطالعه و بررسی قرار گرفتند. سیستم پیشنهادی نویسندگان دارای چندین زیر سیستم از قبیل الگوریتم‌های تکاملی (BPSO1) به‌منظور انتخاب بهترین و موثرترین ویژگی‌ها، الگوریتم‌های داده‌کاوی (SVM2) به‌منظور تشخیص و دسته‌بندی ویژگی‌های موثر از غیر موثر و سیستم‌های انطباقی فازی عصبی (ANFIS3) به‌منظور تخمین، یادگیری و تطبیق در جهت پیش‌بینی صحیح، مورد استفاده قرار گرفته است. تمام شبیه سازی‌ها توسط نرم افزار MATLAB انجام شده است.

یافته‌ها: سیستم پیشنهادی براساس بهترین ویژگی‌ها در بانک داده در قالب ترکیب و تعامل موفق شد به دقت بالایی با کمترین خطا دست یابد. این سیستم در مقایسه با سایر روش‌های معمول از سرعت قابل توجه، عملکرد مناسب و دقت بالایی برخوردار است. سیستم پیشنهادی در قالب ترکیب و تعامل با زیر سیستم‌ها موفق شد به نرخ ویژگی 1/84 درصد، 91 درصد در حساسیت و به دقت 9/92 درصد، دست یابد.

 نتیجه‌گیری: در این تحقیق با توجه به ضرورت تعیین صحیح و به‌موقع میزان انسولین برای بیماران، روشی نوین مبتنی بر ترکیب سیستم‌های هوشمند جهت پیش‌بینی صحیح دُزانسولین برای بیماران ارائه شده است. با به کارگیری سیستم پیشنهادی علاوه بر مشخص شدن نیاز صحیح انسولین برای بیماران از مشکلاتی همچون بستری و مراقب‌های طولانی و طاقت فرسای بیماران برای مشخص شدن نیاز انسولین آن‌ها پیشگیری شده است.

متن کامل [PDF 2462 kb]   (815 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۳/۸/۲۶ | پذیرش: ۱۳۹۳/۱۲/۶ | انتشار: ۱۳۹۴/۹/۲۳

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله دیابت و متابولیسم ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2017 All Rights Reserved | Iranian Journal of Diabetes and Metabolism

Designed & Developed by : Yektaweb