دوره 25، شماره 5 - ( 9-1404 )
جلد 25 شماره 5 صفحات 471-453 |
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:
Azgomi H, Asghari A. A Method for Diabetes Diagnosis Using Simulated Annealing and
K-Nearest Neighbor Algorithms. ijdld 2025; 25 (5) :453-471
URL: http://ijdld.tums.ac.ir/article-1-6431-fa.html
URL: http://ijdld.tums.ac.ir/article-1-6431-fa.html
ازگومی حسین، اصغری علی. روشی برای تشخیص بیماری دیابت با استفاده از الگوریتمهای تبرید شبیهسازی شده و کی-نزدیکترین همسایه. مجله دیابت و متابولیسم ایران. 1404; 25 (5) :453-471
حسین ازگومی*1 
، علی اصغری2
، علی اصغری2
1- گروه مهندسی کامپیوتر، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران ، hossein.azgomi@gmail.com
2- گروه مهندسی کامپیوتر، مؤسسه آموزش عالی شفق، تنکابن، ایران
2- گروه مهندسی کامپیوتر، مؤسسه آموزش عالی شفق، تنکابن، ایران
چکیده: (413 مشاهده)
مقدمه: دیابت نوعی بیماری مزمن است که در آن بدن نمیتواند از گلوکز استفاده و یا آن را ذخیره کند. دیابت زمانی رخ میدهد که لوزالمعده قادر به ساخت انسولین نباشد یا بدن نتواند از انسولین تولید شده استفاده کند. امروزه بیماری دیابت یک بیماری شایع در جهان است و ارائه روشهایی خودکار برای تشخیص آن بسیار حائز اهمیت است.
روشها: در این مقاله، روشی نوین برای تشخیص دیابت با استفاده از الگوریتمهای هوش مصنوعی معرفی شده است. روش پیشنهادی مبتنی بر الگوریتمهای فرا ابتکاری و طبقهبندی است. برای انتخاب ویژگیها از الگوریتم فرا ابتکاری تبرید شبیهسازی شده (SA) استفاده شد. تشخیص دیابت نیز با استفاده از الگوریتم طبقهبندی بهبودیافته کی-نزدیکترین همسایه (KNN) انجام میشود. علاوه بر روش پیشنهادی، عملکرد دو روش دیگر با نامهای MVMCNN و WKNN در تشخیص دیابت مورد مطالعه قرار گرفتند.
یافتهها: روش پیشنهادی با دو روش دیگر برای تشخیص دیابت بهصورت عملی مقایسه شده است. مقایسهها براساس میزان دقت حاصل از تشخیص بیماری صورت گرفت. در آزمایشها روش پیشنهادی (SAKNN) دقت 95%، روش MVMCNN دقت 93% و روش WKNN دقت 90% را ارائه کردند. بنابراین روش پیشنهادی نسبت به سایر روشها عملکرد بهتری از خود نشان داده است. از نظر زمانی و چند معیار دیگر نیز روش پیشنهادی عملکرد قابل قبولی داشت.
نتیجهگیری: روش پیشنهادی برای تشخیص دیابت به کمک الگوریتمهای فرا ابتکاری و طبقهبندی دقت بالاتری نسبت به دیگر روشها ارائه میدهد. این نتایج نشان میدهد که استفاده مناسب از تکنیکهای هوش مصنوعی میتواند راهحلهای مؤثری برای تشخیص خودکار بیماریی دیابت ارائه دهد و میتواند بهعنوان یک ابزار کمکی برای پزشکان و محققین بهکار گرفته شود.
روشها: در این مقاله، روشی نوین برای تشخیص دیابت با استفاده از الگوریتمهای هوش مصنوعی معرفی شده است. روش پیشنهادی مبتنی بر الگوریتمهای فرا ابتکاری و طبقهبندی است. برای انتخاب ویژگیها از الگوریتم فرا ابتکاری تبرید شبیهسازی شده (SA) استفاده شد. تشخیص دیابت نیز با استفاده از الگوریتم طبقهبندی بهبودیافته کی-نزدیکترین همسایه (KNN) انجام میشود. علاوه بر روش پیشنهادی، عملکرد دو روش دیگر با نامهای MVMCNN و WKNN در تشخیص دیابت مورد مطالعه قرار گرفتند.
یافتهها: روش پیشنهادی با دو روش دیگر برای تشخیص دیابت بهصورت عملی مقایسه شده است. مقایسهها براساس میزان دقت حاصل از تشخیص بیماری صورت گرفت. در آزمایشها روش پیشنهادی (SAKNN) دقت 95%، روش MVMCNN دقت 93% و روش WKNN دقت 90% را ارائه کردند. بنابراین روش پیشنهادی نسبت به سایر روشها عملکرد بهتری از خود نشان داده است. از نظر زمانی و چند معیار دیگر نیز روش پیشنهادی عملکرد قابل قبولی داشت.
نتیجهگیری: روش پیشنهادی برای تشخیص دیابت به کمک الگوریتمهای فرا ابتکاری و طبقهبندی دقت بالاتری نسبت به دیگر روشها ارائه میدهد. این نتایج نشان میدهد که استفاده مناسب از تکنیکهای هوش مصنوعی میتواند راهحلهای مؤثری برای تشخیص خودکار بیماریی دیابت ارائه دهد و میتواند بهعنوان یک ابزار کمکی برای پزشکان و محققین بهکار گرفته شود.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
