دوره 16، شماره 1 - ( 10-1395 )
جلد 16 شماره 1 صفحات 38-17 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Fiuzy M, Haddania J, Mollania N. PREDICTION AND DETERMINATION OF THE CORRECT DOSE OF INSULIN IN DIABETIC PATIENTS BASED ON DIABETES FUZZY DIAGNOSIS. ijdld 2017; 16 (1) :17-38
URL: http://ijdld.tums.ac.ir/article-1-5476-fa.html
URL: http://ijdld.tums.ac.ir/article-1-5476-fa.html
فیوضی محمد، حدادنیا چواد، ملانیا نسرین. پیش‌بینی و تعیین هوشمند دُز صحیح انسولین در بیماران دیابتی براساس تشخیص فازی بیماری دیابت. مجله دیابت و متابولیسم ایران. 1395; 16 (1) :17-38
محمد فیوضی* 
1، چواد حدادنیا2 ، نسرین ملانیا3
1، چواد حدادنیا2 ، نسرین ملانیا3
1- مرکز تحقیقات سالمند شناسی دانشگاه علوم پزشکی سبزوار ، mohammad.fiuzy@yahoo.com
2- مرکز تحقیقات فناوری‌های نوین پزشکی، دانشکده‌ی مهندسی برق دانشگاه حکیم سبزواری
3- بخش بیوشیمی، گروه زیست شناسی، دانشکده‌ی علوم پایه دانشگاه حکیم سبزواری
2- مرکز تحقیقات فناوری‌های نوین پزشکی، دانشکده‌ی مهندسی برق دانشگاه حکیم سبزواری
3- بخش بیوشیمی، گروه زیست شناسی، دانشکده‌ی علوم پایه دانشگاه حکیم سبزواری
چکیده: (4496 مشاهده)
مقدمه: تشخیص به موقع بیماری دیابت به‌طور چشم‌گیری صدمات و آسیب‌های ناشی از این بیماری را در جامعه کاهش می‌دهد. دیابت بیماری است که علاوه بر پیشگیری، نیاز به مراقبت‌های فراوانی از قبیل پیش بینی 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 و دانش پزشکان در کنار تعامل بیماران با آن‌ها مشخص می‌شود، هر چند که وجود خطاهای انسانی اجتناب ناپذیر است.
روش‌ها: در این تحقیق 124 بیمار و 188 فرد سالمِ مشکوک به بیماری براساس 21 ویژگی (7 ویژگی به‌منظور تشخیص، 14 ویژگی به‌منظور پیش‌بینی دُز انسولین) مورد مطالعه و بررسی قرار گرفتند، سپس سیستمی ارائه شد که ابتدا شناسایی یا تشخیص بیماری را انجام دهد، بعد برای افراد بیمار، مهم‌ترین داروی این بیماران، یعنی دُز انسولین مشخص کند. سیستم پیشنهادی دارای دو مرحله (تشخیص بیماری و پیش‌بینی) و چندین زیر سیستم می‌باشد. در مرحله‌ی تشخیص بیماری، زیر سیستم‌هایی از قبیل سیستم فازی (Fuzzy) به‌منظور برآورد صحیح پیشرفت بیماری در بیماران، درخت تصمیم‌گیری (D-T) به‌منظور تهیه قوانین در سیستم فازی (فرآیند نگاشت فضای ویژگی (افراد) به خروجی (نتیجه‌ی تشخیص)) استفاده شده است. همچنین در مرحله‌ی پیش‌بینی دُز انسولین از الگوریتم‌های کاوشی (BPSO) به‌منظور انتخاب بهترین ویژگی‌ها، الگوریتم‌های طبقه‌بندی (SVM) به‌منظور طبقه‌بندی ویژگی‌های مؤثر از غیر مؤثر و سیستم‌های انطباقی مصنوعی فازی – عصبی (ANFIS) برای پیش‌بینی نهایی داروی بیماران استفاده شده است.
یافته‌‌ها: سیستم پیشنهادی براساس بهترین ویژگی‌ها در بانک داده تهیه شده در قالب ترکیب و تعامل موفق شد به دقت 1/95% دست یابد، که البته در هنگام مقایسه با سایر روش‌های معمول به سرعت قابل توجه و عملکرد مناسب آن و البته دقت بالای آن پی می‌بریم.
نتیجه‌گیری: نتایج به‌دست آمده به‌میزان قابل توجهی نسبت به تحقیقات قبلی بهبود یافت. همچنین در مقایسه با نتایج پزشکان، نشان دهنده‌ی عملکرد خوب در صحت پیش‌بینی سری زمانی غلظت قند خون است، چرا که سیستم پیشنهادی موفق شد، سطح قند خون تا 48 ساعت آینده را پیش‌بینی نماید.
روش‌ها: در این تحقیق 124 بیمار و 188 فرد سالمِ مشکوک به بیماری براساس 21 ویژگی (7 ویژگی به‌منظور تشخیص، 14 ویژگی به‌منظور پیش‌بینی دُز انسولین) مورد مطالعه و بررسی قرار گرفتند، سپس سیستمی ارائه شد که ابتدا شناسایی یا تشخیص بیماری را انجام دهد، بعد برای افراد بیمار، مهم‌ترین داروی این بیماران، یعنی دُز انسولین مشخص کند. سیستم پیشنهادی دارای دو مرحله (تشخیص بیماری و پیش‌بینی) و چندین زیر سیستم می‌باشد. در مرحله‌ی تشخیص بیماری، زیر سیستم‌هایی از قبیل سیستم فازی (Fuzzy) به‌منظور برآورد صحیح پیشرفت بیماری در بیماران، درخت تصمیم‌گیری (D-T) به‌منظور تهیه قوانین در سیستم فازی (فرآیند نگاشت فضای ویژگی (افراد) به خروجی (نتیجه‌ی تشخیص)) استفاده شده است. همچنین در مرحله‌ی پیش‌بینی دُز انسولین از الگوریتم‌های کاوشی (BPSO) به‌منظور انتخاب بهترین ویژگی‌ها، الگوریتم‌های طبقه‌بندی (SVM) به‌منظور طبقه‌بندی ویژگی‌های مؤثر از غیر مؤثر و سیستم‌های انطباقی مصنوعی فازی – عصبی (ANFIS) برای پیش‌بینی نهایی داروی بیماران استفاده شده است.
یافته‌‌ها: سیستم پیشنهادی براساس بهترین ویژگی‌ها در بانک داده تهیه شده در قالب ترکیب و تعامل موفق شد به دقت 1/95% دست یابد، که البته در هنگام مقایسه با سایر روش‌های معمول به سرعت قابل توجه و عملکرد مناسب آن و البته دقت بالای آن پی می‌بریم.
نتیجه‌گیری: نتایج به‌دست آمده به‌میزان قابل توجهی نسبت به تحقیقات قبلی بهبود یافت. همچنین در مقایسه با نتایج پزشکان، نشان دهنده‌ی عملکرد خوب در صحت پیش‌بینی سری زمانی غلظت قند خون است، چرا که سیستم پیشنهادی موفق شد، سطح قند خون تا 48 ساعت آینده را پیش‌بینی نماید.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
