تشخیص بیماری دیابت با بهره گیری از الگوریتم بهینه سازی نهنگ مبتنی بر شبکه عصبی مصنوعی

بیماری دیابت امروزه در بسیاری از کشورها روندی رو به افزایش دارد و تخمین زده می شود تعداد افراد مبتلا بهاین بیماری بالغ بر صدها میلیون نفر در سراسر دنیا است. بیماری دیابت دارای علائم و ویژگی های پنهانی استکه شناسایی بیماران را با تاخیر مواجه می سازد و زمانی این بیماری تشخیص داده می شود که اثرات مخرب آن بربدن نمایان شده است. روشهای داده کاوی و یادگیری ماشین یکی از تکنیک های موثر در تشخیص بیماری استکه می توانند با جستجوی الگوهای پنهان بیماری در اطلاعات افراد تا حدود زیادی این بیماری را تشخیص دهند.شبکه عصبی مصنوعی چند لایه یک روش موثر داده کاوی در تشخیص الگو و طبقه بندی است و می توان از آنجهت تشخیص بیماری دیابت استفاده نمود با این وجود میزان خطای تشخیص بیماری دیابت توسط شبکهعصبی مصنوعی می تواند قابل توجه باشد. چالش روشهای کشف دانش نظیر شبکه عصبی مصنوعی در تشخیصبیماری دیابت وجود خطای قابل توجه در خروجی مدل است که در نتیجه انتخاب غیربهینه اوزان و بایس شبکهبه وقوع می پیوندد. در این مقاله برای کاهش خطای تشخیص بیماری دیابت توسط شبکه عصبی مصنوعی چندلایه، از الگوریتم بهینه سازی نهنگ استفاده شده است تا خطای خروجی جهت تشخیص بیماری دیابت کاهشیابد. در الگوریتم نهنگ مجموعه راه حل های اولیه به صورت نهنگ کدگذاری شده و هر یک از آنها در فضایمسئله به جستجوی راه حل بهینه می باشند و با توجه به پیمایش موازی و همزمان فضای مسئله توسط نهنگ هامی توان از آن برای یافتن جواب دقیق مسائل مختلف استفاده نمود. نتایج آزمایشات ما در محیط برنامه نویسیمتلب و با استفاده از مجموعه داده PIDD نشان میدهد دقت و حساسیت روش پیشنهادی در تشخیص بیماریدیابت به ترتیب برابر 91.84 % و 91.68 % می باشد که نسبت به روش های نظیر درخت تصمیم گیری و ماشینبردار پشتیبان دقت بیشتری را نشان میدهد.

کلیدواژه ها:

بیماری دیابت ، داده کاوی ، شبکه عصبی مصنوعی ، الگوریتم بهینه سازی نهنگ ، خطا