فرشاد مینایی - موسسه آموزش عالی کارون، اهواز، ایران
ابراهیم سلیمی ترک - موسسه آموزش عالی کارون، اهواز، ایران
امین گلاب پور - استادیا ر دانشگاه علوم پزشکی شاهرود، شاهرود، ایران

با پیشرفت فناوری استفاده از الگوریتمهای یادگیری ماشین در پیشبینی بیماریها بسیار حائز اهمیت و رو به افزایش است. تشخیص بهموقع بیماری میتواند باعث کاهش و میر و ناخوشی۱ از سطح جامعه میشود. متد: در این مقاله یک سیستم کمک تصمیمیار بالینی برای تشخیص بیماری دیابت بارداری توسط ترکیب شبکه عصبی مصنوعی و الگوریتم زنتیک ارائه میشود. جهت ارزیابی مدل پیشنهادی از مجموعه داده دیابت بارداری UCI استفاده شد این مجموعه داده شامل ۷۶۸ رکورد و ۸ متغیر وابسته است این مجموعه داده دارای ۲۰۰ رکورد گمشدگی است لذا تعداد رکوردهای مطالعه به ۵۶۸ رکورد کاهش یافت. ارزیابی: داده ها به روش ۱۰-Fold به دو مجموعه آموزش و تست تقسیم گردید سپس الگوریتم شبکه عصبی-ژنتیک، بر روی داده های آموزشی اجرا گردید سپس توسط مجموعه تست مورد ارزیابی قرار گرفت. و صحت ۹۵,۰۲ بدست آمد همچنین خروجی نهایی الگوریتم با دو کار مشابه مورد بررسی قرار گرفت و نشان داده شد مدل پیشنهادی بهتر عمل کرده است. در این پژوهش نشان داد که ترکیب دو الگوریتم شبکه عصبی و ژنتیک میتواند یک مدل پیشبینی مناسب برای تشخیص بیماری ارائه دهد.

تشخیص بیماری-داده کاوی- الگوریتم ژنتیک