8834

بررسي كاربرد هاي هوش مصنوعي در كنترل بيماري ديابت و پياده سازي يك مطالعه موردي با استفاده از نرم افزار پايتون

كارشناسي

مهندسي صنايع

1402

دكتر صديقه شريفي

دكتر محمدرضا رسولي

1402/08/11

صنايع

Applications of artificial intelligence in diabetes and implementing an example with Python

ديابت يكي از شايع ترين بيماري هاي متابوليك در ايران و پنجمين علت اصلي مرگ در سراسر جهان است. با توجه به فراگيري بيماري ديابت، همواره دانشمندان به دنبال يافتن روش هايي نوين براي تشخيص، درمان و مديريت اين بيماري بوده اند. يكي از مهم ترين اين روش ها استفاده از هوش مصنوعي است. امروزه هوش مصنوعي در اغلب صنايع از جمله حوزه ي سلامت و پزشكي كاربرد هاي زيادي دارد. ورود هوش مصنوعي در حوزه ي پزشكي موجب تحولي عظيم در تشخيص و درمان اغلب بيماري ها شده است كه بيماري ديابت نيز از اين قاعده مثتثني نيست. در تحقيق پيش رو ابتدا به بررسي ادبيات هوش مصنوعي، بيماري ديابت و كاربرد هاي هوش مصنوعي در بيماري ديابت با استفاده از روش مطالعه ي كتابخانه اي پرداخته شده است . سپس 5 الگوريتم مختلف هوش مصنوعي در مجموعه داده اي با 768 ركورد و 8 ستون ويژگي با استفاده از زبان برنامه نويسي پايتون پياده سازي شده است كه هدف در اين مجموعه داده تشخيص افراد مبتلا به ديابت با توجه به ويژگي هاي آن ها مي باشد. مجموعه داده ي مورد استفاده در اين پژوهش در اصل مربوط به موسسه ي بين المللي ديابت است .الگوريتم هاي كا-نزديك ترين همسايگي، بيز ساده، شبكه عصبي، ماشين بردار پشتيباني و درخت تصميم الگوريتم هاي يادگيري ماشيني مي باشند كه در اين پروژه براي پردازش داده ها مورد استفاده قرار گرفته اند. نتايج بدست آمده از اين مطالعه نشان مي دهد كه از بين 5 الگوريتم مورد استفاده براي تحليل داده ها، بيشترين دقت مربوط به الگوريتم ماشين بردار پشتيباني با دقت 81.2 درصد است و الگوريتم بيز ساده با دقت 76.5 كم ترين دقت را دارد. دقت بدست آمده از الگوريتم هاي مختلف نشان دهنده عملكرد مطلوب الگوريتم هاي هوش مصنوعي در تشخيص بيماري ديابت است. بر اساس نتايج حاصل از مطالعه موردي كه صرفا كاربرد هوش مصنوعي در تشخيص بيماري ديابت را نشان مي دهد، مي توان نتيجه گرفت كه استفاده از هوش مصنوعي در پيش بيني، تشخيص، مديريت و درمان بيماري ديابت مي تواند به بيماران ديابتي و پزشكان بسيار كمك كند و عوارض ناشي از اين بيماري را با كمك به تشخيص به موقع، مديريت بيماري ودرمان شخصي سازي شده و مناسب تاحد مطلوبي كاهش دهد

هوش مصنوعي ، ديابت، الگوريتم هاي يادگيري ماشين