عنوان

پيش بيني دیابت با استفاده از شبکه عصبی با رویکرد انتخاب ویژگی

Number

T27057

.Language of Text, Soundtrack etc

انگلیسی

Title Proper

پيش بيني دیابت با استفاده از شبکه عصبی با رویکرد انتخاب ویژگی

General Material Designation

Dissertation

First Statement of Responsibility

Mohammed Thamer Tayyeh Alshammari

Name of Publisher, Distributor, etc.

Electrical and Computer Engineering

Date of Publication, Distribution, etc.

1401

Specific Material Designation and Extent of Item

86p.

Other Physical Details

cd

Dissertation or thesis details and type of degree

M.S.

Discipline of degree

computer engineering, artificial intelligence

Date of degree

1401/06/15

Text of Note

Diabetes is a disease that affects how your body processes blood sugar. If not treated, it will prompt various difficulties and may lead to death. Early detection of diabetes is imperative as it is a serious disease. If we can predict it early, it will not only reduce the cost of the entire procedure and treatment but also prevent multiple organ dysfunction and casualties. Nowadays, the use of artificial intelligence (AI) in the medical field plays a significant role in disease prediction. Among the many machine learning algorithms in the field of artificial intelligence, we have chosen Artificial Neural Network (ANN) for building our model to predict three types of classes (diabetic, pre-diabetic, and non-diabetic), for its being able to provide promising results for non-linear data and its capacity for processing massive medical datasets and integrating them into defined outputs to prevent misdiagnosis. In addition to the artificial neural network, our model uses the Chi-Square test to test and select appropriate features in the used dataset that are important in increasing the accuracy of the model and improving its processing time.The Iraqi diabetes dataset which consists of 1000 cases with 13 features was used. The experimental results show that our model gets an accuracy of 99%, 98% precision, and an F1-score of 98.6%, which are higher than the results of other models. These results confirm the effectiveness of our model and its effectiveness in using the necessary data attributes to predict diabetes illness.

Text of Note

دیابت یک بیماری است که بر نحوه پردازش قند خون توسط بدن شما تأثیر می گذارد. اگر درمان نشود، مشکلات مختلفی را به دنبال خواهد داشت و حتی ممکن است منجر به مرگ شود. تشخیص زودهنگام دیابت ضروری است زیرا یک بیماری جدی است. اگر بتوانیم آن را به ‌موقع پیش ‌بینی کنیم، نه تنها هزینه کل مراحل درمان را کاهش می‌دهد، بلکه از اختلالات و آسیب‌های چند عضوی نیز جلوگیری می‌کند.امروزه استفاده از هوش مصنوعی در حوزه پزشکی نقش مهمی در پیش ‌بینی بیماری دارد. از میان الگوریتم‌های یادگیری ماشین در زمینه هوش مصنوعی، شبکه عصبی مصنوعی (ANN) برای ساخت مدل پیش‌ بینی سه نوع کلاس (دیابتی، پیش دیابتی و غیر دیابتی)، در این پایان نامه ارائه شده است. علاوه بر شبکه عصبی مصنوعی، مدل پیشنهادی از آزمون Chi-Square برای تست و انتخاب ویژگی های مناسب در مجموعه داده های مورد استفاده استفاده می کند که در افزایش دقت مدل و بهبود زمان پردازش آن مهم است.مجموعه داده دیابت عراق شامل 1000 مورد با 13 ویژگی استفاده شد. نتایج تجربی نشان می‌دهد که مدل پیشنهادی دقت 99% و امتیاز F1 98.6% را به دست آورده است که بالاتر از نتایج سایر مدل‌ها است. این نتایج اثربخشی و کارایی مدل پیشنهادی را در پیش‌ بینی دیابت و پیش دیابت به عنوان یکی از ویژگی‌های داده‌های مورد نیاز تأیید می‌کند.

Variant Title

پيش بيني دیابت با استفاده از شبکه عصبی با رویکرد انتخاب ویژگی

Subject Term

Artificial Neural Network, Feature Selection, Chi-Square, Diabetes, Pre-diabetes

Subject Term

شبکه عصبی مصنوعی، انتخاب ویژگی، تست کای، دیابت، پیش دیابت

Entry Element

Thamer Tayyeh Alshammari,

Part of Name Other than Entry Element

Mohammed

Relator Code

Producer

Entry Element

Asadpour,

Entry Element

Pashazadeh,

Part of Name Other than Entry Element

Mohammad

Part of Name Other than Entry Element

Saeed

Relator Code

Thesis advisor

Relator Code

Consulting advisor

Entry Element

Tabriz

Country

ایران

Agency

Central library of Tabriz

Call Number

ارشد پایاننامه QA76.T4 1401

Electronic name

Mohammed Thamer Tayyeh Alshammari

Contact for access assistance

عبادی

e

TL

276903

a

Y