تشخیص هوشمند بیماری دیابت مبتنی بر ترکیب و تعامل الگوریتمهای رمزنگاری ، الگوریتمهای تکاملی و شبکههای مصنوعی عصبی

در این مقاله روش جدیدی برای تشخیص بیماری دیابت ارائه شده است چراکه یکی از مشکلات اساسی مربوط به این بیماری عدم تشخیص بهموقع و صحیح این بیماری است. تشخیص بیماری دیابت بهطور چشم گیری صدمات و آسیبهای ناشی از این بیماری را در جامعه کاهش میدهد. از مهم ترین چالشهای پیش روی تشخیص این بیماری خصوصاً در مراحل ابتدایی عدم در نظر گرفتن ویژگیهای مناسب به منظور تشخیص و در نهایت ضعف در شناسایی بیماران میباشد. امروزه پزشکان بیش از هر چیز با تکیه بر تجربیات و دانستههای خود، آزمایشات پیچیده و وقت گیر به این بیماری پی میبرند. با این وجود خطاهای انسانی اجتناب ناپذیر است. در این تحقیق دادههای 768 نفر زن با 8 ویژگی مورد ارزیابی قرار گرفت. با استفاده از فرآیندهای پردازش و هوش مصنوعی شامل؛ الگوریتم پردازش سیگنال –موجک (Haar-Wavelet) به منظور کد کردن (رمز نگاری) نتایج و دادههای بیماران، الگوریتمهای تکاملی (BPSO) به منظور انتخاب بهترین جواب و شبکههای عصبی مصنوعی (Artificial Neural Network) به منظور برآورد، آموزش، انطباق و یادگیری ماشینی در جهت شناسایی و تشخیص این بیماری استفاده شده است. سیستم پیشنهادی با استفاده از ترکیب روشهای مذکور موفق شد با تکیه بر ویژگیهای پایگاه داده در قالب ترکیب و تعامل به دقت شناسایی % 91.86 دست یابد. روشهای حاضر علی رغم دقت بالا، شاید هزینه بر و مطئناً وقت گیر میباشند؛ که با مقایسه این روش با روشهای مذکور به دقت و کارایی آن پی خواهیم برد.

کلیدواژه ها:

تشخیص بیماری ، دیابت ، رمز نگاری ، الگوریتمهای تکاملی ، پردازش سیگنال و شبکههای عصبی مصنوعی