27686

پيش بيني عوارض مزمن (عروقي) ديابت با استفاده از ابزارهاي داده كاوي (مطالعه موردي: بخش غدد بيمارستان امام خميني)

كارشناسي ارشد

مهندسي صنايع- بهينه‌سازي سيستم‌ها

1398

1401/6/20

احمد ماكوِئي

مهندسي صنايع

ديابت يك بيماري مزمن است كه همراه با عوارض خود در سراسر جهان به عنوان يك تهديد مهم براي سلامت عمومي شناخته شده است. اين بيماري منجر به افزايش غلظت گلوكز در خون مي شود كه در نهايت احتمال ابتلا به عوارضي نظير مشكلات چشمي، نارسايي كليه، عصبي و قلبي را در فرد ديابتي افزايش مي دهد. از اين رو، به كار گرفتن ابزاري مانند داده كاوي كه بتواند در راستاي افزايش دقت تشخيص و پيش بيني اين عوارض ايجاد شده موثر واقع شود، بسيار حياتي به نظر مي رسد. در پژوهش حاضر با استفاده از يك مجموعه داده مرتبط با بيماران مبتلا به ديابت نوع دوم از بيمارستان امام خميني، اقدام به پيش بيني برخي عوارض نظير رتينوپاتي، نفروپاتي، نوروپاتي و عروق كرونر ناشي از ديابت شده است. در اين راستا به منظور انتخاب بهترين فاكتورهاي ايجاد عوارض نام برده شده، سه رويكرد مختلف حذف ويژگي بازگشتي، تكنيك تصميم گيري ديمتل فازي و روش نقشه هاي شناختي فازي مبتني بر شبكه عصبي براي انتخاب ويژگي استفاده شده است. در ادامه، از الگوريتم هايي همچون درخت تصميم، بيز ساده، K نزديك ترين همسايه، رگرسيون لجستيك و تحليل تشخيص خطي، مدل هاي شبكه عصبي پرسپترون چند لايه، مدل هاي تركيبي بسته بندي، تقويتي، رأي گيري كننده و مدل هاي انباشته اي براي انجام پيش بيني استفاده شده است. در پايان، براي هر عارضه فاكتورهاي مهم پيش بيني معرفي شده و دقت پيش بيني ها به دست آورده شده اند. بالاترين دقت هاي به دست آمده براي هر عارضه عبارتند از: رتينوپاتي: 77.9%، نفروپاتي: 95.7%، نوروپاتي: 79.3%، عروق كرونر: 80.9%.

1401/10/19

Prediction of chronic (vascular) complications of diabetes using data mining tools (Case study: Endocrine Department of Imam Khomeini Hospital)

9/11/2023 12:00:00 AM

Diabetes is a chronic disease that, along with its complications, is recognized as an important threat to public health. This disease leads to an increase in glucose concentration in the blood, which ultimately increases the possibility of complications such as eye problems, kidney, nervous, and heart failure in a diabetic person. Therefore, using a tool such as data mining that can effectively increase the accuracy of diagnosis and prediction of these complications seems vital. In the current research, using a data set related to patients with type 2 diabetes from Imam Khomeini Hospital, some complications such as retinopathy, nephropathy, neuropathy, and coronary artery disease caused by diabetes have been predicted. In this regard, to select the best factors causing the mentioned complications, three approaches of recursive feature elimination (RFE), Fuzzy DEMATEL as a decision-making technique, and Fuzzy Cognitive Maps (FCM) based on the neural network have been used for feature selection. The following algorithms include decision tree, Naive Bayes, K nearest neighbor, logistic regression, linear discriminant analysis, multi-layer perceptron neural network models, and combined models of bagging, boosting, voting, and stacking have been used for prediction. In the end, important predictor factors have been introduced for each of the complications, and the AUC of prediction has been obtained. The highest AUC obtained for each complication is retinopathy: 77.9%, nephropathy: 95.7%, neuropathy: 79.3%, and coronary artery disease: 80.9%.

عوارض ديابت , پيش بيني , يادگيري ماشين , رتينوپاتي , نفروپاتي , نوروپاتي , عروق كرونر

Dabetes Complications , Prediction , Machine Learning , retinopathy , Naphropathy , neuropathy , Coronary Artery Disease

Elmira Ahmadi

Dr. Makooei