کشف خودکار بیماری دیابت به استفاده از الگوریتم ترکیبی EMA ، SVMs

سیستمهای پشتیبان تصمیم گیری در پزشکی به نرم افزارهای کامپیوتری گفته میشوند که برای کمک به تشخیصهای بالینی طراحی و ساخته شده اند. این سیستمها با استفاده از اطلاعات و دانش پزشکی به تشخیص عارضه های گوناگون و تجویز توصیه های پزشکی برای بیماران اقدام مینمایند. این سیستمها برای جایگزینی پزشکان طراحی نشده و تنها جهت یاری رسانی به متخصصان علوم پزشکی در امر تشخیص بیماریها بر اساس یکسری از قواعد تجربی ارایه شدهاند. دراین تحقیق یک الگوریتم ترکیبی جدید برای انتخاب زیرمجموعه بهینه ویژگیها، براساس الگوریتم بازار بورس و همچنین طبقه بندی کننده ماشین بردار پشتیبان برای دسته بندی داده ها ارایه میشود. روش انتخاب ویژگی مورد استفاده مبتنی بر رویکرد فیلتر بوده و در هر مرحله برای انتخاب ویژگی، از مفاهیم مربوط به پراکندگی داد ه ها درون کلاس بیماری و همچنین بین کلاسهای مختلف بیماری دیابت و افزونگی ویژگیهای انتخاب شده استفاده مینماید و الگوریتم بازار بورس در این رابطه مورد استفاده قرار میگیرد. روش پیشنهادی با داده های استاندارد بیماری دیابت مورد ارزیابی قرار گرفته و ویژگیهای استخراج شده توسط طبقه بندی کننده ماشین بردار پشتیبان مورد استفاده قرار میگیرد. نتایج حاصل از روش پیشنهادی با سایر روشهای موجود در این زمینه و همچنین جهت ارزیابی الگوریتم بازار بورس در انتخاب ویژگی روش پیشنهادی، با نتایج حاصل از طبقه بندی کننده ماشین بردار پشتیبان با استفاده از تمامی ویژگیها و با سایر روشها مورد مقایسه قرار گرفته است و نتایج حاصل بیانگر کارایی مناسب روش پیشنهادی در مقایسه با روشهای پایه و همچنین برخی از مطالعات پیشین میباشد.

کلیدواژه ها:

دیابت ، تشخیص خودکار ، بهینه سازی ، پزشکی ، Exchange Market Algorithm (EMA) ، Support vector machines - SVMs