برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

عنوان نشریه: 
 
اطلاعات شماره: 
شهريور 1394 , دوره  22 , شماره  135 ; از صفحه 28 تا صفحه 37 .
 
عنوان مقاله: 

پيش بيني ابتلا به ديابت با استفاده از شبكه عصبي مصنوعي

 
نویسندگان: 
 
آدرس:  
* مرکز تحقیقات علوم مدیریت و اقتصاد سلامت، گروه آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی ایران، تهران، ایران
 
چکیده: 

زمينه و هدف: بيماري ديابت با گسترش روزافزون و بار سنگيني كه در نتيجه كنترل و درمان عوارض به مردم و كشور تحميل مي كند به يكي از چالش هاي مسوولين درماني و دولتي تبديل شده است. از اين رو پيشگيري از بروز و پيشرفت آن در اولويت قرار مي گيرد كه اين امر تنها با شناسايي عوامل موثر و كنترل آن ها امكان پذير است. اين مطالعه درصدد پيش بيني ابتلا به ديابت بر اساس برخي متغيرهاي موثر با كمك روش شبكه هاي عصبي مصنوعي است.
روش كار: اين مطالعه كه در سال
93 و با كمك نرم افزارهاي R2.14.0 و SPSS21 انجام گرفت، بر روي نمونه اي شامل 13423 نفر از شركت كنندگان در طرح بررسي عوامل خطر بيماري هاي غيرواگير در سال 8866 انجام شده است. سن افراد بالاي 25 سال بوده و هيچ كدام ديابت كنترل شده نداشته اند. براي بررسي اين داده ها از مدل شبكه عصبي مصنوعي سه لايه استفاده شد و براي انتخاب بهترين مدل از سطح زير منحني راك (AURC) و صحت پيش بيني استفاده شده است. هر دو تابع فعاليت در اين مدل سيگموئيد بوده است.
يافته ها: مدل شبكه عصبي مصنوعي سه لايه با معماري (
53:20:2) با سطح زير منحني راك 72.7 درصد و صحت پيش بيني آموزش 92 درصد و صحت پيش بيني آزمون 91.6 درصد بهترين مدل شناخته شد.
نتيجه گيري: با توجه به عدم نياز مدل شبكه عصبي مصنوعي به پيش فرض هاي معمول روش هاي كلاسيك آماري و صحت پيش بيني بالاي مدل شبكه عصبي مصنوعي (
53:20:2) پيشنهاد مي شود از اين مدل براي پيش بيني ابتلا به بيماري ديابت استفاده شود.

 
کلید واژه: 

 
موضوعات مرتبط: 
 
ارجاعات: 
  • ندارد
 
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 

  چکیده انگلیسی بازدید یکساله 119
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی