نام پژوهشگر: میثم جهانی

طراحی یک سیستم پشتیبان تصمیم گیری جهت تشخیص و پیش بینی بیماری دیابت
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه قم - دانشکده مهندسی کامپیوتر 1393
  میثم جهانی   جلال رضایی نور

ﭘﻴﺶﺑﻴﻨﻲ ﻣﺴﺎﻟﻪ اﺻﻠﻲ ﺑﺴﻴﺎری از ﺗﺤﻘﻴﻘﺎت در ﭼﻨﺪ دهه¬یﮔﺬﺷﺘﻪ ﺑﻮده اﺳﺖ، و ﺑﺴﻴﺎری از ﻣﺤﻘﻘﻴﻦ ﺑﺮروی اﻳﻦ ﻣﺴﺎﻟﻪ تمرکز کرده اند. ﭘﻴﺶﺑﻴﻨﻲ آب و ﻫﻮا، ﭘﻴﺶﺑﻴﻨﻲ ﺑﻮرس، ﭘﻴﺶﺑﻴﻨﻲ ﻓﺮوش و ﭘﻴﺶﺑﻴﻨﻲ در پزشکی ﺗﻨﻬﺎ ﻧﻤﻮﻧﻪﻫﺎﻳﻲ از ﻛﺎرﺑﺮد اﺑﺰارﻫﺎی ﭘﻴﺶﺑﻴﻨﻲ ﻫﺴﺘﻨﺪ. ﻃﻴﻒ وﺳﻴﻌﻲ از ﺗﻜﻨﻴﻚﻫﺎ، از روشﻫﺎی رﻳﺎﺿﻲ ﺗﺎ روشﻫﺎی داده ﻛﺎوی ﺗﻮﺳﻂ ﻣﺤﻘﻘﻴﻦ ﺑﺮای ﭘﻴﺶﺑﻴﻨﻲ ﺑﻜﺎر ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ. ﻳﻜﻲ از کاریردهای ﻣﺸﻬﻮر ﺑﺮای ﭘﻴﺶﺑﻴﻨﻲ "تشخیص بیماریها من جمله دیابت" اﺳﺖ. از جمله روش¬های پیش بینی، درعرصه پزشکی به کارگیری الگوریتم های تکاملی و ترکیبی است که دارای توانمندی بالایی در مدل¬سازی مسائل پزشکی و مهندسی می¬باشند. از دلایل به کار گیری الگوریتمهای تکاملی در پزشکی، این است که گاهی سطح واضح وخاصی از بیماری نمی تواند افراد بیمار را از افرادسالم تمییزدهد و یا به دلیل شباهت علائم بیماریها به هم و یا عواملی من جمله خستگی پزشک ممکن است بیماری تشخیص داده نشود. این امر سبب گردیده است تا در مواقعی بیماری به دلیل عدم تشخیص به صورت خاموش در بیمار تا مدتها باقی مانده و حتی جان بیمار را به خطر اندازد . اگرچه می توان با ملاحظات آماری یک سطح را در نظر گرفت ولی بطور ایده آل مایل هستیم سطحی را براساس داده های بیولوژیک تنظیم کنیم، اما برای بسیاری از شاخصهای انسانی فاقد اطلاعات و ابزاری هستیم که بتوانند مارادر تعیین سطح خاص یاری دهند. در همین راستا پزشکان جهت تشخیص بیماری نیازمند سطح خاصی از علائم بیماری می باشند تا بتوانند بیماری را با اطمینان تشخیص داد . در مطالعه حاضر با استفاده از الگوریتم ممتیک، الگوریتم ژنتیک، و ترکیبی از الگوریتم مذکور با روش لونبرگ-مارکوارت (lm)، به تعیین وزن های شبکه عصبی ¬پرداخته شده، و جهت بررسی اعتبار سنجی شبکه عصبی از روشهای اعتبار سنجی سنتی و kfold validation استفاده گردیده، و در نهایت برای مقایسه مدل ها از سطح زیر منحنی، ماتریس در هم ریختگی، و نمودار سطح پاسخ استفاده شده است. همچنین در این پژوهش جهت تعیین پارامترهای مهم از سطح پاسخ(rsm) استفاده می¬گردد. پس از انجام بررسی¬های اولیه معلوم گردید دقت پیش بینی شبکه عصبی در بهترین حالت، و با روش اعتبار سنجی سنتی 88% ، با الگوریتم ژنتیک، و روش اعتبار سنجی سنتی 91%، با ترکیب الگوریتم ژنتیک و لونبرگ-مارکوارت به 95.5% ، و با روش الگوریتم ممتیک 92.3% است. نتایج نشان می¬دهد از نظر دقت به ترتیب الگوریتم galm ، الگوریتم ممتیک، الگوریتم ژنتیک، شبکه عصبی دارای دقت بیشتری می باشند اما ازنظر نمودار roc به ترتیب الگوریتم galm ، الگوریتم ممتیک، شبکه عصبی، الگوریتم ژنتیک دارای اهمیت است.